公开(公告)号：CN117035305A

公开(公告)日：2023-11-10

申请号：CN202310985733.4

申请日：2023-08-07

Applicant: 河南大学

Inventor： 左方 ,  左红艳 ,  王光辉 ,  李金波 ,  刘孟辉

IPC: G06Q10/0631 ,  G06Q10/0639 ,  G06Q10/10

Abstract: 本发明公开一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法，包括：请求者发布众包定位任务的要求给众包平台；平台将任务广播给所有的候选工人，有意愿工人发送任务请求给平台；平台根据工人的轨迹信息和任务的要求评估工人的参选资格，将满足任务可靠性阈值和时空约束的作为候选人；根据候选人的时间和空间因素计算其稳定值，根据执行任务报酬和奖励计算其成本代价，从稳定值高于平均稳定值的候选人中选择成本代价最低的一组工人参与众包定位任务，若人数不足，从低于平均稳定值中选择稳定值最大的工人加入候选集合；被选中的工人执行任务，并反馈定位结果，平台整合所有工人的定位结果并反馈请求者。本发明提升了任务结果的稳定性。

公开(公告)号：CN117436542A

公开(公告)日：2024-01-23

申请号：CN202311231862.0

申请日：2023-09-21

Applicant: 河南大学

Inventor： 左方 ,  徐豪 ,  王光辉 ,  左红艳 ,  李帅

IPC: G06N20/00 ,  G06F17/16 ,  G06F17/10

Abstract: 本发明提供一种基于分组与权重自优化的链式联邦学习方法。该方法包括：服务器端对所有客户端进行分组；初始化相关参数并保存测试集；从第一组客户端开始，执行后续步骤；服务器端将当前的全局模型下发给当前组客户端；当前组内的各客户端对接收到的全局模型分别各自进行本地训练，并将训练得到的本地模型发送至服务器；服务器端使用测试集对接收到的所有本地模型进行测试，更新得到每个本地模型的权重，从而对所有的本地模型进行聚合得到新的全局模型并返回给当前组客户端；当前组客户端将新的全局模型传递给下一组客户端；重复上述步骤，直至当前客户端为最后一组客户端，服务器端此时得到的全局模型即为全局最优模型。