一种基于聚类的图联邦学习的用户位置预测框架.pdfVIP

下载本文档

1
0
约1.32万字
约 12页
2023-04-26 发布于北京
举报
版权申诉

一种基于聚类的图联邦学习的用户位置预测框架.pdf

1、本文档共12页，其中可免费阅读11页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明提供一种基于聚类的图联邦学习的用户位置预测框架，包括如下步骤：S1.用户在本地使用序列预测模型进行训练；S2.用户将模型参数及原始序列数据经过编码器之后的隐含状态上传至服务器；S3.利用隐含状态学习相似图结构；S4.通过图卷积神经网络获得用户的嵌入表示；S5.通过聚类方法将用户分为多个簇，每个簇中的用户执行联邦平均算法；S6.将嵌入表示和平均后的模型参数下载到相应用户，各个用户将隐含状态和嵌入表示进行拼接，之后输出预测结果，并对服务器模型参数进行更新。其优点在于，联邦学习保护了数据隐私；图

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114077901 A (43)申请公布日 2022.02.22 (21)申请号 202111397483.X (22)申请日 2021.11.23 (71)申请人山东