-
题名基于联邦学习的多无人机轨迹预测算法
- 1
-
-
作者
刘海容
许莉
向进
何开晟
杨婷
陈思凡
-
机构
福州大学物理与信息工程学院
同济大学建筑与城市规划学院
福州大学至诚学院
-
出处
《智能计算机与应用》
2025年第11期117-121,共5页
-
基金
“十四五”国家重点研发计划(2022YFC3800205)。
-
文摘
近年来,无人机技术在各个领域的应用日益广泛。但伴随着无人机的大规模应用,如何在保障数据隐私的同时提升无人机轨迹预测的准确性,已成为亟待解决的问题。本文在联邦平均(Federated Averaging, FedAvg)算法的基础上嵌入动态筛选模块,提出联邦动态聚合(Federated Dynamic Aggregation, FedDA)算法,提升多无人机轨迹预测的精度。实验证明:当部分客户端的训练数据存在噪声干扰或样本分布偏移等情况下,FedDA算法比其它联邦学习算法预测精度提升10.4%,对于隐私保护场景下的无人机轨迹预测具有重要的实际应用价值。
-
关键词
无人机
联邦学习
动态筛选
fedda算法
-
Keywords
UAV
Federated Learning
dynamic screening
fedda algorithm
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
