一种车联网个性化联邦原型增强学习方法

本发明涉及一种车联网个性化联邦原型增强学习方法，属于车联网技术领域。本发明包括：基于有向无环图区块链DAG构建双层联邦架构，由路侧单元RSU维护模型参数与原型集；设计主动度量个性化聚合策略，划分特征提取层与决策层，加权聚合特征提取器以适配本地数据；采用轻量级原型生成器生成特征原型，补充稀缺类别表示；结合正向插值增强原型多样性、负向插值模糊决策边界，优化全局模型训练。本发明显著提升数据隐私保护与系统安全性；增强本地模型个性化决策能力；有效缓解数据异质性和样本稀缺问题；优化全局模型泛化性与收敛效率；提高车联网系统整体鲁棒性。