基于车辆客户端选择的车联网联邦学习方法

本发明公开了一种基于车辆客户端选择的车联网联邦学习方法，中央服务器周期性地通过路边基站收集每个车辆客户端的先验资源信息，在每轮联邦学习中，每个车辆客户端完成本地训练后，计算得到数据样本重要性并上传至中央服务器，中央服务器根据先验资源信息计算本轮联邦学习中车辆客户端上传模型参数的时间，根据数据样本重要性和时间采用背包模型求解得到选中车辆客户端集合并向其中各个车辆客户端发送选中标识，每个接收到选中标识的车辆客户端上传模型参数由中央服务器进行模型参数聚合。本发明可以确保在每轮联邦学习中选取的数据具有更高的代表性和价值，加速了模型的收敛过程，提高模型的准确率。