个性化多属性融合
针对基站流量异质突发特性，提出的个性化联邦预测方法能同时建模多尺度趋势与波动，在非独立同分布场景下更及时感知突变。
Jingjing, Xue · Sun, Sheng · 刘敏 · 王煜炜 · 孟绪颖 · 王静远 · Zhang, Junbo · Xu, Ke
IEEE Transactions on Mobile Computing 2025
通过分解多时间尺度的流量属性，模型能够快速识别流量突变，从而提前进行资源调度。
在客户端独立拟合非平稳趋势，避免了全局模型对本地趋势的平滑效应。
为每个客户端学习通用波动与本地趋势的最佳融合权重，以适应异构流量模式。
交替训练机制优化属性表示与融合模块，确保模型稳定收敛并缩短训练时间。