基于联邦学习的停车流量预测模型训练方法

摘要

本发明涉及计算机应用技术领域。针对联邦学习法在停车场停车流量的预测中容易被恶意攻击，而现有的判断恶意模型的方法存在容易舍弃正常的本地模型的缺点，从而导致聚合后的全局模型收敛速度慢和模型精度偏低的上述问题，本发明提供一种提出一种基于联邦学习的停车流量预测模型训练方法，在保障数据隐私和安全的条件下，通过计算各本地模型之间的相似值和本地模型与全局模型之间的相似值，从而减少全局模型的精度偏差，提高模型的性能。