隐私保护下高精度预测
通过联邦学习与形式概念增强图挖掘，无需集中数据即可训练高精度流量预测模型。
Kai, Wu · 郝飞 · 姚若侠 · 李金海 · Min, Geyong · Kuznetsov, Sergei O.
IEEE Transactions on Intelligent Transportation Systems 2025
采用联邦学习，各客户端独立训练 GCN 模型，仅共享模型参数，从而在保护数据隐私的同时保证数据完整性并提高训练精度。
形式概念分析充分提取图数据中的结构信息，降低了复杂交通数据带来的训练复杂度，从而提升 GCN 训练精度。
在 PEMS 数据集上与多个基线模型比较，FC-FedGCN 在交通预测的多项指标上表现显著优势。