期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
车联网联邦学习的数据异质性问题及基于个性化的解决方法综述 被引量:1
1
作者 刘淼 林婉茹 +1 位作者 王琴 桂冠 《通信学报》 EI CSCD 北大核心 2024年第10期207-224,共18页
在车联网(IoV)场景中,不同设备存在海量非独立同分布的数据,容易引发数据异质性问题,影响模型训练性能并威胁交通安全,对此聚焦于车联网联邦学习(FL)的数据异质性问题,通过对问题归因溯源提出了基于个性化的解决方法体系与研究新思路。... 在车联网(IoV)场景中,不同设备存在海量非独立同分布的数据,容易引发数据异质性问题,影响模型训练性能并威胁交通安全,对此聚焦于车联网联邦学习(FL)的数据异质性问题,通过对问题归因溯源提出了基于个性化的解决方法体系与研究新思路。首先,论述了联邦学习用于车联网的必要性,调研总结了车联网联邦学习中典型的数据异质性问题;其次,从感知、计算和传输3个环节对车联网联邦学习的数据异质性问题进行了分类和追踪;再次,引入个性化方法作为解决各类车联网联邦学习数据异质性问题的核心手段,并分析了现有个性化联邦学习的优点与不足;最后,讨论了个性化联邦学习在车联网场景中面临的研究挑战,并结合无线通信等相关技术展望了未来研究方向。 展开更多
关键词 车联网 联邦学习 个性化方法 数据异质性
在线阅读 下载PDF
考虑数据异质性和掩蔽问题的高速公路异常交通状况检测
2
作者 王媛媛 吴光业 +2 位作者 吴克文 戴义博 栾森 《交通工程》 2024年第6期94-99,112,共7页
为了提高高速公路交通运行的安全性和协调性,通过获得路段级别的速度来克服道路异质性的问题。针对数据掩蔽问题,构建了基于广义极值T分布偏差模型(Generalized Extreme Studentized Deviate,GESD)异常交通状况检测算法。该方法可同步... 为了提高高速公路交通运行的安全性和协调性,通过获得路段级别的速度来克服道路异质性的问题。针对数据掩蔽问题,构建了基于广义极值T分布偏差模型(Generalized Extreme Studentized Deviate,GESD)异常交通状况检测算法。该方法可同步优化检测率(Detection Rate,DR)和虚警率(False Alarm Rate,FAR),并构建性能指标(Performance Indicator,PI),综合量化检测效果。最后,利用上报的交通事件数据对检测到的异常交通状况进行验证。实证结果表明,GESD模型的综合性能明显优于使用标准正态偏差、绝对中位偏差和内部4分位偏差的方法。GESD的实施有利于对交通状况的准确判断,提高高速公路的风险预警能力。 展开更多
关键词 异常交通状况 数据异质性 数据掩蔽 广义极值T分布偏差模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部