原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种面向VANET的轻量级联邦学习框架优化方法，涉及人工智能技术领域，包括以下步骤：采用动态聚类分簇方法，将车辆集合划分成多个聚类簇；利用分布式共识算法为每个聚类簇选举中心节点，在多个中心节点之间选举全局中心节点；利用混合联邦学习的方法，将多个聚类簇中的非敏感数据收集至全局中心节点，进行初始全局模型预训练产生初始全局模型；将初始全局模型发送到某一聚类簇中心节点，并指定簇间迭代训练的顺序；每个聚类簇依据初始全局模型进行本地训练，完成簇内模型以及簇间全局模型的迭代训练。本发明解决了现有的
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117195019A
(43)申请公布日2023.12.08
(21)申请号202311055592.2G06N3/084(2023.01)
文档评论（0）