买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种在车联网中基于动态集群的分层联邦学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117750324B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311645432.3，技术领域涉及：H04W4/40；该发明授权一种在车联网中基于动态集群的分层联邦学习方法是由亓伟敬;林雨风;温力航;宋清洋设计研发完成，并于2023-12-04向国家知识产权局提交的专利申请。

本一种在车联网中基于动态集群的分层联邦学习方法在说明书摘要公布了：本发明涉及车联网联邦学习技术领域，公开了一种在车联网中基于动态集群的分层联邦学习方法，包括：S1、将若干车辆动态构造成若干车辆集群；S2、对每个所述车辆集群内的车辆分别进行同步联邦学习；S3、每当边缘服务器接收到其中一个所述集群模型的参数时，根据所述集群模型的参数时来聚合全局模型；S4、计算所述全局模型的全局损失函数，并根据所述全局损失函数建立目标函数；S5、判断所述目标函数是否达到最优解或者判断S3中的全局模型进行全局聚合的轮数是否达到规定的迭代次数；S6、判断所述车辆集群内的集群成员车辆之间是否还在有效通信范围内。本发明在具有动态性的车联网中提升了FL的效率。

本发明授权一种在车联网中基于动态集群的分层联邦学习方法在权利要求书中公布了：1.一种在车联网中基于动态集群的分层联邦学习方法，在一个含有服务器的基站、若干车辆以及C-V2X通信网络之间实现，其特征在于，包括： S1、每个车辆分别基于与邻居车辆的直接通信的有效连接时间内能利用的最大计算资源CCR，将若干车辆动态构造成若干车辆集群； 所述最大计算资源CCR的计算公式为： ； 其中，为第i辆邻居车辆与集群头之间的最短有效通信时间，为集群头的计算频率，为第j辆邻居车辆的计算频率，为第i到I辆邻居车辆的计算频率和，I为集群头的邻居车辆的总数量； ； 其中，为第i辆邻居车辆的坐标，为集群头的广播通信范围，为第i辆邻居车辆的移动速度，为集群头的移动速度，为集群头的坐标； S2、对每个所述车辆集群内的车辆分别进行同步联邦学习，从而更新得到各个独立同步聚合后的集群模型，然后计算各集群内的集群模型损失函数； S2的具体步骤为： S2.1、各个所述集群头从边缘服务器接收初始模型，并将所述初始模型分发给各自集群中的各集群成员车辆； S2.2、针对集群内的每辆集群成员车辆，分别对车辆本地数据集执行多次随机梯度下降来独立更新所述初始模型的参数，，为集群的总数量，，M为某一集群中的车辆的总数量，表示第z个集群中的第m辆车辆； 具体为：车辆根据其数据集对进行训练，通过计算各自局部梯度下降，训练过程如下： ； 为第z个集群里第m个车辆经过训练更新后的模型参数，为第z个集群里第m个车辆的更新前的模型，，为本地学习率； S2.3、集群模型聚合：在同一集群中，各集群成员车辆将更新后的模型参数发送至集群头进行归一化平均得到所述集群模型参数，具体为： ； 其中，表示第z个集群更新后的模型参数，表示第z个集群更新前的模型参数，，表示相对样本量，，表示车辆所取得的累计本地进度，表示车辆在集群内有效连接时间内的本地迭代次数，其中，E为迭代周期，B是小批量大小，表示第z个集群内所有集群成员车辆的训练数据样本和，表示第m辆集群成员车辆训练前的模型参数； 所述集群模型损失函数具体为： ； 其中，为在集群内训练样本的大小，为本地损失函数； 所述本地损失函数具体表示为： ； 其中，表示第z个集群中第m个集群成员车辆的本地损失函数，为参数向量w对样本的预测损失，是第z个集群里的第m辆车的训练样本数； S3、每当边缘服务器接收到其中一个所述集群模型的参数时，立即进行全局聚合，从而更新得到进行异步聚合后的全局模型，当所述边缘服务器同时接收到多个所述集群模型时，根据接收到的集群模型依次进行全局聚合； S4、计算所述全局模型的全局损失函数，并根据所述全局损失函数建立目标函数； 所述全局损失函数具体为： ； 其中，，为参与训练的全局样本大小，为集群处的模型损失函数； 所述目标函数表示为： ； S5、判断所述目标函数是否达到最优解或者判断S3中的全局模型进行全局聚合的轮数是否达到规定的迭代次数，若是，则整个分层联邦学习过程结束，否则，跳转至S6； S6、所述车辆集群中的集群头完成一次集群模型上传至边缘服务器后，所述集群头判断所述车辆集群内的集群成员车辆之间是否还在有效通信范围内，若是，则所述边缘服务器发送更新后的全局模型至原车辆集群，然后跳转至S2，否则，该车辆集群解散，跳转S1构建新的车辆集群，所述边缘服务器发送更新后的全局模型至新车辆集群，然后跳转S2。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400000 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。