面向MEC系统的动态加权采样联邦学习算法

本发明公开了面向MEC系统的动态加权采样联邦学习算法，涉及边缘计算技术领域，包括以下步骤：物联网设备采集本地数据，经预处理、特征提取后，采用动态加权采样策略调整采样，终端设备通过联邦学习框架训练模型，上传参数至中心服务器加权聚合成全局模型，动态调整迭代次数，实时分析展示全局模型参数，并记录训练过程数据。本发明通过动态加权采样策略优化了联邦学习中的数据分布，提高了模型训练的效率和准确性，动态调整迭代次数增强了算法的灵活性，适应了不同场景的需求，实时分析展示全局模型参数，便于监控和优化，记录训练过程数据，为后续模型调优和故障排查提供了依据，整体提升了MEC系统中联邦学习的性能和实用性。