移动边缘网络中个性化联邦学习的成本效益协同优化方法

本发明属于移动边缘计算通信技术领域，具体涉及移动边缘网络中个性化联邦学习的成本效益协同优化方法，包括，数据集的收集和处理，收集高速公路交通数据集的轨迹数据和手写数字数据集的数字图片，并将数字图片调整为相同大小，节点评估，通过优劣解距离法来评估所有节点的好坏，节点选择，在所有节点概率确定的条件下，根据概率随机选择参与训练的移动节点，模型训练，分别利用MCLR和DNN网络训练处理过的训练集数据对模型进行训练，模型传输，将训练好的模型参数调整，并上传到边缘服务器。本发明能够有利于缓解数据高异构性的问题同时提高模型训练精度，并大大降低了传输成本和通信延迟。