近日，数学与计算机科学学院科研团队在网络领域国际顶级会议ACM万维网大会（WWW 2026）上发表研究论文《Communication-Efficient Federated Learning for Post-Flood Risk Assessment Using UAV Swarms》（面向山洪灾后风险评估的高效无人机集群联邦学习方法）。WWW会议是中国计算机学会推荐的A类（CCF A）顶级国际学术会议，其H-5指数120，Impact Score 15.6，录用率为20.1%，在网络/人工智能等领域享有极高的学术声誉。浙江农林大学数学与计算机科学学院为论文第一单位与通讯作者单位。

针对山洪灾害快速风险评估中面临的海量影像数据传输压力大、网络带宽受限等问题，结合无人机集群应用场景，引入联邦学习框架，实现数据本地处理与协同建模。提出了一种通信高效联邦蒸馏框架（CEFD）。通过构建轻量级多层知识表达机制，摒弃庞大参数的传输，选择高效地交换经过特征空间维度缩减的高级语义逻辑和关键中间特征。在服务器端引入自适应加权聚合策略，提升全局模型的稳定性与泛化能力。实验结果表明，在LSD公开数据集上，该方法在保证较高分割精度的同时，大幅降低通信开销，显著提升无人机集群在山洪灾害监测中的性能。

本研究得到国家自然科学基金资助。

全文链接https://dl.acm.org/doi/10.1145/3774904.3792983#abstract