一种异构车联网个性化联邦学习方法

本发明涉及一种异构车联网个性化联邦学习方法，属于车联网数据分析领域。该方法是基于云‑边‑端三层架构进行联邦学习，用户层负责数据收集、本地模型训练以及个性化模型参数分解与构建；边缘层负责聚合其覆盖范围内车辆客户端本地模型的基础知识部分；云服务器层负责聚合所有边缘层的边缘基础知识。针对个性化模型参数分解与构建，采用二维离散余弦变换区分车辆客户端本地模型的基础知识和个性化知识，在融合其他车辆客户端基础知识的同时，保留自身的细粒度个性化知识。相比于其他个性化联邦学习方法，本发明在保证模型性能的同时降低模型训练时间，满足联网场景中的低复杂度要求。