EECF: An edge-end collaborative framework with optimized lightweight model

Dewen Qiao

doi:10.1016/j.eswa.2025.129319

EECF: An edge-end collaborative framework with optimized lightweight model

2025-08-11

0

PRE

AI

DOI：10.1016/j.eswa.2025.129319

原文链接

原文求助

摘要

En 中文

物联网（IoT）的快速扩展导致了终端设备的指数级增长，使得基于边缘计算（EC）的任务场景比云计算更具实际意义。然而，边缘设备资源的固有局限性阻碍了具有大量参数或复杂结构的机器学习模型的部署。为解决这一困境，我们提出了一个边缘-终端协作框架（EECF）。具体而言，在图像分类任务中，使用代表性样本子集在边缘侧预训练一个CNN模型，利用边缘侧的丰富资源。随后，将CNN模型部署到终端侧，从样本中提取特征，实现样本维度的显著降低。然后，在终端侧部署SVM模型，并采用准鸟群算法（QBSA）优化SVM参数，经优化的SVM模型基于降维后的样本进行任务训练。此外，给出了QBSA的收敛性分析以确保成功应用。最后，采用接收者操作特征（ROC）曲线分析评估EECF的性能。实验结果证实，EECF显著提升了模型的精度，与基准方法相比，准确率最高提升了10.86%。此外，核心代码可通过以下链接获取：https://tinyurl.com/yuy3snrz。

Keyword:

Edge computing

Internet of Things

CNN

SVM

Quasi-bird swarm algorithm

EECF: An edge-end collaborative framework with optimized lightweight model

摘要

期刊

机构

引用论文