k-center-精炼

极端非独立同分布与全局类别不平衡下的联邦主动学习

Federated Active Learning Under Extreme Non-IID and Global Class Imbalance

在极端非独立同分布与全局类别不平衡下，用轻量预测差异推断全局不平衡度与本地-全局偏差，从而自适应选择全局或本地查询模型；这套「查询模型选择 + 原型引导伪标签 + 两阶段不确定性-多样性采样」可直接迁移到视觉主动学习的标注预算分配中。