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！

龙图腾网获悉浙江工业大学申请的专利基于自适应个性化联邦学习的车联网隐私保护轨迹预测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：CN119961974B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510048789.6，技术领域涉及：G06F21/62；该发明授权基于自适应个性化联邦学习的车联网隐私保护轨迹预测方法是由徐东伟;琚靖飞;顾同成;孙成巨;唐于富;廖祥旺设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本基于自适应个性化联邦学习的车联网隐私保护轨迹预测方法在说明书摘要公布了：一种基于自适应个性化联邦学习的车联网隐私保护轨迹预测方法，将真实场景车辆轨迹数据集进行非独立同分布划分，模拟车联网中本地数据异构和不平衡现象，并将非独立同分布数据分配至各本地车辆；利用各本地车辆分配的轨迹数据对局部模型进行本地训练，得到各个局部模型的梯度数据并更新本地局部模型；各边缘车辆通过路边单元上传局部模型的梯度数据，并进行全局模型自适应优化聚合更新全局模型；通过路边单元进行广播以下发更新后的全局模型，本地车辆根据个性化规则更新个性化局部模型；重复步骤2至4设定次数，以得到最终的全局模型和个性化局部模型，利用验证集对局部模型进行验证。本发明预测精度高，通信成本低，联邦学习训练效率高。

本发明授权基于自适应个性化联邦学习的车联网隐私保护轨迹预测方法在权利要求书中公布了：1.一种基于自适应个性化联邦学习的车联网隐私保护轨迹预测模型构建方法，其特征在于，所述方法包括以下步骤： 步骤1、将真实场景车辆轨迹数据集按非独立同分布划分，模拟车联网中本地数据异构和不平衡现象，将包含两个城市的轨迹数据集，按城市划分为两组异构数据集，并将两组数据异构的数据分别按狄利克雷分布分配到相应的本地车辆； 步骤2、将参与联邦学习的S辆车作为本地车辆，对S辆本地车辆构建S个基于Transformer网络的结构相同局部模型，并利用每个本地车辆拥有的本地数据训练各自的局部模型，得到各局部模型的梯度数据，同时更新局部模型； 步骤3、将各本地车辆训练得到的梯度数据通过路边单元上传至服务器层，服务器层先对所有上传的梯度数据进行聚合，然后根据联邦自适应优化算法，计算聚合梯度的一阶和二阶动量估计，通过动量和梯度平方的指数加权平均更新全局模型； 步骤4、通过路边单元进行广播以下发更新后的全局模型，本地车辆更新个性化局部模型分为两个阶段，在联邦训练轮次小于10，局部模型所有参数都参与联邦训练并更新所有局部模型参数，在联邦训练轮次大于等于10，局部模型采用基础编码层+个性化解码层的方法，更新局部参数模型但保留最后一层解码层参数以训练个性化局部模型； 步骤5、重复步骤2至4设定次数，以得到最终的全局模型和个性化局部模型，利用验证集对局部模型进行验证。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18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。