基于BP神经网络的氧化锆氧量计的非线性补偿研究

氧化锆氧量计的工作原理是氧浓差电池原理,其氧浓差电势的计算是严重的非线性函数;选用只含一个隐含层的三层BP神经网络结构,充分利用BP神经网络的非线性函数逼近能力,无需模型只要适量的学习样本通过反复训练,即可按指定精度完成对氧化锆氧量计非线性特性的辩识和输出信号的非线性补偿;就隐含层节点数、学习率、误差指标等参数对该方法中BP神经网络训练次数和收敛过程的影响进行了比较研究。     

基于windows的多鼠标应用程序设计

基于windows的多鼠标应用程序设计是一个全新的开发领域,其核心内容是在一台计算机上同时支持多个鼠标。它在计算机辅助教育、计算机协同设计和游戏开发等方面孕育着巨大的市场前景。对于一些经济困难的学校,在单台计算机上同时使用多个鼠标,不但可以节约大量的资金,还可以显著提高学生的学习兴趣和合作意识。本文详细介绍基于multipoint的多鼠标应用程序的起源、概念和设计方法。最后,本文设计了一个多鼠标模式计算机辅助学习实验,实验证明多鼠标模式可显著提高学生的学习效率。     

基于GPRS的配电变压器实时监控一体化系统

针对配变电实时系统对数据传输可靠性和实时性的要求,设计了基于GPRS网络通信技术的配电变压器监控系统,该系统主要由监控主站、变压器终端单元(Transformer Terminal Unit,TrU)和个人数字助理(Personal：Dam Assistant,PDA)3部分组成,监控主站采用VC 6．0实现,TrU用C语言编写,PDA用Windows CE4．0实现,文章介绍了系统各工作单元的设计和通信系统的工作原理。该系统具有传输速率高、数据吞吐量大、通信实时性强、通信可靠、运行费用低等优点,在应用中取得了良好的效果。     

结合区块链的车联网隐私保护可信预测缓存架构

在享受基于位置的服务(LBS, location-based service)时,用户需要频繁提交位置信息和查询请求,可能导致隐私泄露。因此,利用认知引擎感知用户需求的能力提出一种基于区块链的隐私保护缓存架构(TPCB, trusted prediction cache architecture based on blockchain)。首先,基于LSTM模型预测查询请求,请求者依靠服务提供商广播缓存数据获取服务。其次,采用信任机制评估信任值来解决与不同邻居通信时引起的交互不可信问题。最后,基于区块链的特性将交易过程中生成的大量信任数据和交易数据存储在区块中。实验结果表明TPCB能有效提高缓存命中率,并对抑制恶意提供商、激励拒绝参与的提供商和隐私保护方面具有良好的性能。     

面向路网的空间众包隐私保护任务分配算法

隐私保护和任务分配是空间众包的2个核心问题。现有研究大多基于欧氏空间使用地理不可区分性保护位置隐私，但忽略了底层的路网信息，由此带来了众包工人的隐私泄露和效用损失。为了保护工人位置隐私，同时产生较小的效用损失，提出了面向路网的隐私保护批处理任务分配算法。首先，提出了图指数机制优化问题，并设计了一种贪心算法寻找近似最优解，同时引入边缘服务器作为工人的隐私保护代理。然后，将任务分配问题转化为以工人旅行距离为权值的二分图最大流问题，采用KM算法得到最优解。最后，通过实验验证了所提算法在隐私保护程度和效用上均有明显提升。     

基于用户偏好和位置分布的假位置生成方法

传统的基于k-匿名机制的假位置生成算法生成的假位置的合理性较低,易被攻击者利用边信息进行攻击.针对此问题,提出了SPDGM算法.首先,定义语义加权有向图,描述语义的时间分布和语义转移关系;其次,为解决仅考虑位置历史概率产生的抵抗能力弱的问题,提出了位置可信度,统一考虑了位置历史概率和大众的评价信息;再次,为避免假位置分布过于密集,定义了离散度,以控制假位置的分布情况;最后,生成语义安全且分布稀疏的匿名集.实验证明,在语义攻击下SPDGM算法具有更低的被识别率,更高的隐私保护强度;在考虑语义攻击的算法中,SPDGM算法的运行时间更短.因此,SPDGM算法具有可行性与实用性.     

一种改进的BM模式匹配算法

针对BM模式匹配算法的效率问题,提出其改进算法.分析BM模式匹配算法的原理,若文本串中连续的几个字符不在模式字符串中出现,则不需要被比对,以此改变模式字符串的匹配顺序,提高算法的匹配效率.实验结果表明,改进的BM模式匹配算法可以有效地减少字符串的匹配次数和比对次数,能获得良好的字符串匹配效率.     

基于虚拟现实技术的矿井人员安全培训系统

为了提高企业和员工的安全意识和事故处置能力,利用实时仿真建模软件MultiGen进行三维模型建模、贴图和渲染,运用实时视景模拟驱动软件Vega进行交互设计和整合,实现了矿井人员安全培训系统.系统通过场景建模和场景驱动,达到漫游井下巷道、模拟采矿环境、控制生产设备、仿真灾害过程的目的.系统的实现为矿井实施安全生产教育和培训提供了有力支持.     

边云协同群智感知中隐私增强多任务分配机制

在移动群智感知中现有研究普遍基于边缘服务器或云服务器是可信的这一前提假设,无法在提高感知数据质量的同时有效保护参与者隐私。提出一种基于半可信执行环境的隐私增强多任务分配(PEMTA)机制,基于Hilbert曲线特性对任务进行位置聚类,将相邻边缘服务器结合Paillier加密体系的同态特性进行相互协作,根据参与者和任务的匹配度为每个任务挑选最佳参与者集合,完成感知任务且不泄露参与者隐私。设计贪心冲突排除算法,根据任务佣金对冲突任务进行等级划分,按照划分后的任务等级依次为冲突任务挑选最佳的替换参与者,解决了多任务分配产生的参与者匹配冲突问题。利用动态信誉值更新算法,通过量化参与者提交的感知数据与聚合后数据的偏差,动态更新参与者的信誉值,缓解了恶意攻击造成的数据质量损失。实验结果表明,PEMTA机制具有良好的抗恶意攻击性能,感知数据质量和任务完成率相比于同类多任务分配机制平均提升了18.14%和15.47%。     

面向轨迹数据发布的KSDP方案

轨迹隐私保护中使用k-means算法进行聚类时，对初始值敏感，且聚簇数目的选择具有一定的盲目性，为解决该问题并提高聚类结果的可用性，提出一种结合k-shape和差分隐私的轨迹隐私保护方案KSDP(k-shape differential privacy)．首先，对轨迹数据进行划分切割预处理，利用轨迹的时间属性和空间属性对轨迹切割划分，从而提高聚类泛化的质量．其次，使用设定的效用函数对预处理后的轨迹数据进行评判，并对过滤后数据进行聚类泛化操作．最后，在泛化后的数据中加入Laplace噪声，使其满足差分隐私保护模型，进一步保护轨迹隐私．实验仿真结果表明，与传统差分隐私k-means聚类方案对比，KSDP方案有效提高了聚类结果的可用性，并具有一定的性能优势，更好地实现了轨迹数据发布和隐私保护．