基于车联网的拆分联邦学习方法、系统及计算设备

本发明涉及车联网技术领域，公开了基于车联网的拆分联邦学习方法、系统及计算设备，本发明车辆端利用云端分发的本地模型，提取数据特征并上传至云端。云端利用数据特征对所有车辆端进行聚类，捕捉车辆端数据的非独立同分布特性，再对每个聚类簇的簇模型进行簇内训练，计算用于更新簇模型的第一梯度更新参数并将其下发至相应的车辆端。车辆端无需本地训练，即可结合第一梯度更新参数和数据特征计算第二梯度更新参数，来实现本地模型的更新，降低车辆端本地计算和通信需求，实现全局模型的协同训练，应用场景更加广泛。最后，云端聚合所有车辆端更新后的本地模型，生成聚合模型并在训练结束后部署到车辆端，以便车辆端进行数据采集工作。