基于序列格的隐私时序模式挖掘方法

基于差分隐私的时间序列模式挖掘方法中,序列的最大长度以及添加拉普拉斯噪声的多少直接制约着挖掘结果的可用性.针对现有时间序列模式挖掘方法全局敏感度过高、挖掘结果可用性较低的不足问题,提出了一种基于序列格的差分隐私下时间序列模式挖掘方法PrivTSM（Differentially Private Time Series Pattern Mining）.该方法首先利用最长路径的策略对原始数据库进行截断处理;在此基础上,采用表连接操作生成满足差分隐私的序列格;结合序列格结构本身的特性,合理分配隐私预算,提高输出模式的可用性.理论分析表明PrivTSM方法满足ε-差分隐私,基于真实数据库上实验结果表明,PrivTSM方法的准确率TPR（True Postive Rate）和平均相对误差ARE（Average Relative Error）明显优于N-gram和Prefix-Hybrid方法.     

我国热力杀菌现状分析

本文介绍了我国热力杀菌的现状, 并对现状进行了分析。希望通过现状的分析能够在政策上, 机构上, 企业中引起重视, 以此来推动热力杀菌事业的前进步伐。     

一种基于本地化差分隐私的网格聚类方法

随着移动互联网应用的不断深入,产生了大量个体数据,采集分布在不同终端上的数据进行聚类可以发现人群行为模式,支撑应用服务的深入开展.然而这些数据往往包含个体敏感信息,在缺少可信数据采集者的情况下,直接采集数据进行聚类存在泄露个体数据隐私的风险.近年来,本地化差分隐私(Local Differential Privacy,LDP)以其严谨的数学理论基础得到隐私保护领域研究者的持续关注.现有基于LDP的聚类研究多数采用基于划分的聚类方法,存在仅适用凸状分布数据以及聚类质量损失较大问题.针对该问题,聚焦网格聚类,提出基于LDP的隐私保护网格聚类方法.首先,设计网格划分评估指标,通过调节网格划分粒度调控网格密度估算误差和簇边缘信息损失,指导网格结构选取;然后,在服务器与终端间构建循环反馈机制,利用数据分布信息迭代优化扰动粒度,降低差分噪声注入量,在保护终端数据隐私安全的前提下,提升网格密度估算精度;最后,在服务器端,提出基于网格结构的自适应网格聚合方法,提升隐私保护聚类质量.理论分析和实验结果表明,所提方法在兼顾各终端个体数据隐私的同时,对不同分布数据有良好的聚类效果.     

应用于增强/ 虚拟现实中的模型简化

随着计算机图形学的发展,应用于增强/虚拟现实的模型日趋复杂.为了更好地展示出模型的细节同时保证帧率,需要强大的硬件设备或者低复杂度的模型.实际应用中往往选择后者,降低模型的精细度来保障增强/虚拟现实的实时性成了一个挑战.文章提出了基于贪心算法和拉普拉斯平滑处理的模型简化和优化方法.实验结果表明,在简化相同百分比时,这种方法失真度更小,可以更好地满足增强/虚拟现实设备的实时性.     

大型风电场多Agent系统建模仿真及降损控制

设计一种基于多Agent的风电场控制架构,并针对集电线路损耗突出的问题,提出一种无功降损控制策略。同时,开发基于Java/JADE + MySQL + Matlab/Simulink的混合仿真平台,对某125 MW大型风电场进行多Agent系统建模,算例结果验证了所提策略的有效性。     

基于直方图的隐私键-值数据收集算法

基于本地差分隐私的用户数据收集与分析算法已延伸到了键值数据类型.然而,该类数据值域大小与稀疏性以及本地扰动机制直接制约着收集与分析精度.针对现有机制难以有效应对该类数据收集的不足,提出了一种基于直方图技术的有效收集与分析算法HISKV(histogram-based key-value data collection),该算法首先结合用户分组策略寻找最优截断长度,利用最优截断抽样技术处理值域过大与稀疏性问题,然后结合截断结果随机抽取单个键值对进行离散化处理.针对离散化结果,设计一种高效的本地扰动机制LRR_KV(local random response for key-value data),该机制结合具体的键分配不同的本地扰动概率.每个用户利用LRR_KV机制扰动离散化的键值对之后发送给收集者,收集者结合用户的报告值对每个键的频率及其值所对应的均值进行估计.理论分析了HISKV算法的无偏性、所产生的方差以及最大偏差,并与现有的键值收集算法在真实与合成的数据集上进行比较,实验结果表明HISKV算法优于同类算法.     

旋进漩涡流量计和孔板流量计在天然气计量中的应用

本文从天然气计量角度入手,重点分析在当前天然气计量工作领域中使用比较广泛的旋进漩涡流量计以及孔板流量计,就计量中的关键问题与优势进行了分析与探讨,望能够引起各方人员的广泛关注与重视。