一种车联网联邦半监督学习方法及系统

本发明涉及车联网技术领域，尤其是指一种车联网联邦半监督学习方法及系统，包括：在每次迭代中，车辆客户端首先生成无标签样本数据的伪标签，再对本地模型进行训练，上传至服务器端；服务器端将所有车辆客户端的本地模型聚合后，与利用有标签样本数据训练的监督模型再次聚合，得到当前迭代的全局模型，继续用于下一次迭代中本地模型的训练。本发明提高了模型训练效率，进一步提高了系统的实时性和适应性，增强了车辆在复杂多变的交通环境中的应对能力。