典型文献
基于联邦学习在机场旅客量的预测
文献摘要：
基于航空乘客的出行预测对民航机场的建设和运行有重要影响,但是由于数据量不够的原因,致使旅客预测会存在偏差,若将不同的机场数据集结起来训练会涉及商业机密.因此本文提出基于联邦学习的旅客吞吐量的预测方法,首先对参与训练的机场数据进行预处理与归一化,然后使用逻辑回归模型进行训练,同时使用同态加密来保证数据的隐私安全,最终通过服务器的聚合训练出一个泛化能力强的模型.此外,本文还使用了真实的机场吞吐量数据证明该模型的可行性与有效性.
文献关键词：
联邦学习;同态加密;逻辑回归;机场预测
中图分类号：
作者姓名：
林子谦;安艾芝;樊重俊
作者机构：
上海理工大学 管理学院,上海200093
文献出处：
引用格式：
[1]林子谦;安艾芝;樊重俊-.基于联邦学习在机场旅客量的预测)[J].智能计算机与应用,2022(06):84-87,96
A类：
机场预测
B类：
联邦学习,旅客量,空乘,乘客,出行预测,民航机场,数据量,集结,结起来,机密,逻辑回归模型,同态加密,保证数据,隐私安全,服务器,合训,练出,泛化能力,机场吞吐量
AB值：
0.366376
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
