摘要
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。
技术关键词
原型
学习方法
生成特征
特征提取器
有向无环图
模糊决策
智能驾驶决策
数据隐私保护
智能网联汽车
分类器参数
车联网系统
传感特征
样本
生成器网络
车联网技术
标签
鲁棒性
策略
系统为您推荐了相关专利信息
遥感图像数据
网络单元
训练样本集
高光谱遥感图像
蒸馏
输电线路智能巡检方法
输电线路设备
深度学习技术
异常点
联合分析方法
辅助交流系统
特征提取模块
原型
样本
数据采集设备