龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：山东大学
摘要：本申请涉及联邦学习技术领域，涉及车联网环境下基于聚类的高效联邦分割学习方法及装置。汽车端采集本地数据，所述本地数据为被标记的道路信息图片，汽车端将收集的本地数据的标签信息组织成类别向量发送至云服务器；云服务器使用聚类算法将所有汽车端的本地数据聚类分组，计算各组间余弦相似性矩阵；判断各组间的相似性，如果各组间的相似性小于指定阈值，则进行个性化联邦学习，否则进行非个性化联邦学习。本发明解决了在车联网场景下联邦分割学习中由于数据非独立同分布带来的收敛速度和收敛精度下降问题以及由于汽车端数量过多带来的服务器资源不足问题。
主权项：1.一种车联网环境下基于聚类的高效联邦分割学习方法，其特征在于，包括：汽车端采集本地数据，所述本地数据为被标记的道路信息图片，汽车端将收集的本地数据的标签信息组织成类别向量发送至云服务器；云服务器使用聚类算法将所有汽车端的本地数据聚类分组，计算各组间余弦相似性矩阵；判断各组间的相似性，如果各组间的相似性小于指定阈值则进行个性化联邦学习，否则进行非个性化联邦学习；所述非个性化联邦学习根据分组结果训练一个全局模型，所述全局模型包括汽车端侧全局模型和服务器侧全局模型；将各组将训练后的汽车端侧模型在组内聚合，将组内聚合的模型再进行组间聚合为汽车端侧全局模型，服务器将训练后的服务器侧模型聚合为服务器侧全局模型；所述个性化联邦学习根据分组结果为每个组训练一个组模型，每个组模型包括该组数据训练的汽车端侧组模型和服务器侧组模型，所述组模型训练的目标函数加入需要训练的参数和基准模型的参数之差的二范式；采集待预测图像进行聚类分组，根据各组的相似性使用全局模型或组模型预测道路状况。
全文数据：
权利要求：
百度查询： 山东大学 车联网环境下基于聚类的高效联邦分割学习方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号