56、基于联合学习的连接车辆框架与WSN - IoT中的区域头选择方案

基于联合学习的连接车辆框架与WSN - IoT中的区域头选择方案

在当今数字化医疗和物联网飞速发展的时代，医疗数据的高效传输与处理以及无线传感器网络（WSN）在物联网（IoT）环境中的优化应用成为了研究的热点。本文将介绍两种创新的解决方案：基于联合学习的连接车辆框架和ELECTRE I 算法的区域头选择方案。

基于联合学习的连接车辆框架

背景与动机

随着通信技术的进步、低成本健康数据传感器的普及以及机器学习（ML）和深度学习（DL）在疾病分类中的广泛应用，医疗行业对ML和DL的需求日益增长。然而，手动收集传染病健康数据使医护人员面临感染风险，如在COVID - 19疫情期间，许多医护人员因此失去了生命。这促使人们寻求将健康参数从家庭自动传输到观察中心的方法，而车辆网络（VANET）在其中发挥了关键作用。

VANET是一种自组织网络，车辆之间的通信称为车辆到一切（V2X），包括车辆到车辆（V2V）、车辆到基础设施（V2I）、车辆到网络（V2N）和车辆到行人（V2P）通信。虽然VANET可以将数据传输到观察中心，但传统的集中式健康数据分类方法存在诸多局限性，如存储和计算能力有限、人力不足、易受攻击和安全问题等。

主要贡献

为了解决这些问题，提出了联合车辆网络（FVN），它采用两级服务器架构自动分类健康参数，主要贡献如下：
1. 两级服务器的使用 ：使用本地服务器（路边单元RSU）和远程服务器（云网络）自动分类传染病健康参数。
2. 全局联合模型的提供 ：远程服务器向本地服务器RSU提供全局联合模型。
3.