参与式感知：以人为中心的智能感知与计算

越来越多的无线智能移动设备集成了大量不同种类的传感器模块,与此同时无线移动网络也迅速普及.这些因素推动了参与式感知概念的提出与发展.参与式感知又被称为城市感知、以用户为中心的感知、群智感知.参与式感知可以解决传统无线传感网络难以大规模部署以及部署成本高昂的问题.参与式感知系统通过利用移动智能设备中的传感器、社交网络以及个人设备使用行为对参与者周围的物理环境、社会环境或者个人状态进行自主式采集、传输和分析,并做出智能化决策.这对未来实现智慧城市、普适计算以及物联网等重大概念具有重要的意义.首先介绍了参与式感知相关概念、理论以及相应的应用原型系统;然后介绍了参与式感知相关研究前沿热点,包括参与式感知的原型设计、感知数据处理、激励机制、隐私保护、恶意攻击以及不同移动网络的问题等;最后给出研究参与式感知的一般方法.     

基于信誉模型的群智感知网络用户参与激励机制

随着集成了越来越多传感器的移动设备的普及和发展,移动群智感知网络正成为一个新的研究领域,而充足的用户(尤其是信誉好的用户)参与,是移动群智感知网络的基础。在对用户参与激励机制策略进行研究和分析的基础上,针对现有激励机制在用户选择的随机性、任务处理效率和预算控制方面的不足,提出一种基于信誉模型的用户参与激励机制。初始时设置用户的信誉值,在任务分配过程中选择信誉度高的用户来参与任务处理,并通过设置因子减小用户的花费代价,这样在提高任务处理效率的基础上有效地控制了预算开支。最后通过实验验证,与现有普遍应用的用户参与激励机制策略相比,基于信誉模型的用户参与激励机制在提高任务处理效率和控制预算方面有更好的效果。     

参与式感知中可验证的隐私保护数据类型匹配方案

参与式感知中,用户在相互间物理邻近时共享感知数据时,需要对数据类型进行预匹配。而如何在资源有限的移动设备上,对用户间数据类型进行高效匹配及验证的同时,保护用户的个人隐私不被泄露,是一个不能被现有方案良好解决的问题。提出了一个匹配结果可验证的数据类型高效匹配方案,通过引入时空性价比高的布隆过滤器及基于位运算的门限秘密共享机制,解决了上述问题。集中的理论分析和实验结果证实了方案正确性、隐私保护性、可验证性和高效性。 关键词: 参与式感知;移动社交;用户隐私;可验证性。     

参与式感知系统中基于社会关系的移动用户位置预测算法

移动用户位置预测是参与式感知系统进行有效数据采集和消息转发的关键,该文提出了一种基于社会关系的移动用户位置预测算法(SMLP).该算法基于位置对应用场景进行建模,通过节点的移动规律挖掘节点之间的社会关系.SMLP算法以马尔可夫模型为基础对节点的移动性进行初步预测,然后利用与其社会关系较强的其他节点的位置对该节点的预测结果进行修正.算法基于马尔可夫模型和加权马尔可夫模型,分别提出了SMLP1和SMLPN两种算法.最后基于UCSD WTD数据集对算法进行仿真实验.实验结果表明:SMLP1比马尔可夫模型有更高的预测精确度;SMLPN与SMLP1相比有了更大程度的性能提升,并以比2阶马尔可夫模型小得多的算法复杂度获得了与2阶马尔可夫模型相似的预测精度.由于加权系数的引入,SMLP1和SMLPN两种算法都具有良好的灵活性.     

透明计算中用户访问行为特征分析与预测

在透明计算中,服务端存储并管理着所有用户所需的操作系统、应用软件和个性化数据,并高效处理来自透明网络的用户资源请求服务。因此,服务端是透明计算系统性能的瓶颈。为制定更高效的缓存策略提供有效的依据,基于信息熵和三次指数平滑对透明计算用户行为特征进行分析和预测。首先基于信息熵策略分析用户访问行为特征,进而利用指数平滑预测算法预测将来一段时间内数据块的访问频率,在真实数据的实验结果上验证了预测方法的有效性。     

MAS环境中一种基于反馈可信度的多维信誉计算方法

在分布式体系结构的MAS(multi-agentsystem)中,Agent之间通过彼此的交互,协调完成共同的任务,但是由于没有中心化的管理权威可以依赖,导致对网络中Agent信誉信息进行判断存在一定的困难.传统的基于评价反馈的信誉评估方法存在反馈评价属性信息利用不足以及缺少确保反馈评价信息可信的可行机制等问题,为此,提出一种综合的信誉计算方法.该方法针对个别用户提交的恶意评价,采用CUSUM(cumulativesum)控制图理论对服务评价中的数据进行过滤;利用信息熵的方法对不同维度的评价数据进行整合;使用改进的PageRank算法对评价影响力进行度量,最终得到融合反馈评价真值与评价影响力的综合信誉.仿真结果表明,该方法在提高信誉计算收敛性和准确性、抵抗恶意攻击行为等方面表现出较好的效果.     

基于用户浏览行为分析的用户兴趣度计算

从用户的浏览行为可以反映用户的兴趣出发,分析了用户的浏览行为与兴趣之间的关系,通过分析把能反映用户兴趣的典型浏览行为归纳为保存页面、打印页面、将页面加入收藏夹、复制页面内容、访问同一页面的次数和在页面上浏览时间这些浏览行为.针对这些浏览行为下的用户兴趣度计算做出阐述,并且在分析基于网页驻留时间和浏览次数计算网页兴趣度的算法的基础上,考虑网页大小的影响因素,使用基于浏览速度计算网页兴趣度,同时利用BP神经网络进行用户兴趣度融合.     

面向多维度的电子商务主体信誉评价与计算

电子商务诚信问题日益突出,严重影响其健康发展。对电子商务主体的信誉进行科学合理、客观全面的评价与计算,是建立面向电子商务诚信机制的基础。针对现有信誉模型维度单一的问题,在前期研究工作基础上,提出一种结合多角色评价、制度信任、历史行为和第三方信用记录等的多维度主体网络信誉模型。针对集结计算方法不适用于信誉评价场景的问题,提出一种改进的信誉集结计算模型RE-Sporas。实验结果表明,提出的多维度主体信誉模型、信誉集结计算模型,在电子商务主体信誉评价场景中具有较强的适用性,信誉评价结果更加全面、合理。     

认知无线电系统中部分用户合作频谱感知算法

合作频谱感知提高认知无线电系统频谱感知的可靠性.传统算法采用全部认知用户参与感知,如果系统中认知用户数量较多,将导致数据传输性能受影响.在此基础上提出一种采用部分用户合作频谱感知方法.它在系统认知用户数量一定,满足给定系统探测概率前提下,只需选用部分认知电台参与频谱感知,并使系统吞吐量最大.仿真证明在200个认知用户的系统中,如果选择50个用户参与频谱感知,其系统吞吐量可提高约12.5%.     

基于行为声明的可信性测试方法与可信度计算研究

针对软件行为的可信性进行了测试方法与度量标准的研究.在测试方法上,通过在软件开发阶段植入可信埋点模块的方式获取行为的动作路径,以"言行一致"思想为依据,将软件的行为声明与动作路径做比对,得到可信性测试的新方法.在判定标准上针对动作路径提出显性可信性判断指标和隐性可信指标,在度量上提出基于K-means聚类的隐性指标判定模型,并将此应用在单一行为的可信度计算以及相似行为的可信甄别上.通过实验验证了方法的可行性,为可信性测试提供了新的思路.     

基于信誉度的合作式频谱感知

认知无线电网络中存在阴影和多径衰落效应等问题,从而导致单认知用户感知结果不准确。为此,提出一种基于二重双向信誉度的合作频谱感知算法。每个次用户有自己的自私信誉度,用于判定次用户是否为恶意用户。不同地区的次用户又有不同的位置信誉度,可反映出该地域是否受阴影和多径衰落的影响。基于用户之间的互动反馈,实时更新2种信誉度,并根据不同的信誉度给出不同的权重以用于合作式频谱感知。仿真结果表明,该算法在恶意用户存在的情况下仍能取得较高检测率。     

基于用户行为模型的搜索引擎

针对目前大部分搜索引擎不能精确识别使用不同查询词而期望获得不同查询结果的情况,该文提出一种基于用户行为模型的搜索引擎的思想,论述其原型系统SEB实现过程和关键技术,其中的行为模型结合人类行为学相关理论对用户访问行为进行分类和表示,对搜索结果进行了处理,实现了个性化搜索。实验表明,经SEB原型系统处理的搜索结果更加符合用户需求。     

Web服务中的信任和声誉评估模型

对主观逻辑存在的一些问题进行分析和改进,并进一步提出一个基于主观逻辑的自适应Web服务信任模型iWSTrust。通过利用iWSTrust对Web服务环境的交易过程所涉及的实体间的各种信任关系进行详细的建模和推理,并区分不同类型的服务请求者,iWSTrust能够使实体的信任度和声誉随着交易经验的增加而自适应地改变,预测实体的未来行为,并对恶意欺骗的实体进行惩罚,从而更好地保护服务请求者和服务提供者的利益。模拟实验表明改进的主观逻辑能更好地建模信任关系和改善Web服务环境的安全性。     

基于用户操作行为的兴趣度的分析与计算

在互联网的背景下,用户检索行为所体现的兴趣是零散的、分布的.利用一个群集模型来综合这些分布的信息,对个性化服务也会提供帮助.通过对单个用户行为的分析,提出了一种基于操作行为的兴趣度的计算方法,可以有效地计算出该用户对当前内容的兴趣度的基值,并最终为用户兴趣群集模型中各个结点的兴趣度的值的计算提供重要依据.     

基于C/B/S参与感知气象服务系统的研究与设计

为进一步提高气象预警的及时性、气象预报的准确性、气象服务的便捷性,大力提升气象精细化服务水平,文章提出将"参与感知"概念应用到气象预报模型中.在模型中,将用户作为模拟移动的数据采集自动站,将采集的气象数据通过手机或其他设备上传,对采集的感知数据与传统的气象数据进行对比、筛选、分级融合以及反馈,为普通用户、预报人员和决策...     

一种基于时滞弱化策略的通用信度重估模型

为提高信度评估的可靠性,从改善信度评估时效性角度出发,提出一种改进的通用信度重估模型GMRR。该模型借助原始信度、历史信度、信度波动率和信度波动趋势4种基础数据,实现了信度评估时效性机制与现有信度重估机制的有效集成,从多个维度对原始信度展开重估。给出信度评估时效性机制采用的时滞弱化策略、GMRR模型描述及分量计算算法,对模型的信度重估效果进行实验评估,结果表明,与现有信度重估模型相比,该模型获得的重估信度接近于目标实体的真实行为,同时能抑制恶意实体的策略波动行为。     

基于用户行为的个性化推荐系统的设计与应用①

目前电子商务网站提供的推荐服务很难满足用户的个性化需求,协同过滤算法作为应用最成功的推荐算法,依然存在数据稀疏性、用户评分真实性等问题,制约着推荐系统的质量。设计和实现了一个基于用户行为的个性化商品推荐系统,主要采用前融合组合推荐策略,避免了单纯使用协同过滤算法的弱点。阐述了基于用户行为的个性化推荐系统的设计思想和实现过程,最终通过实验验证了本推荐系统具有良好的推荐效果。     

基于云模型理论的网络用户行为评判模型研究

由于网络的异构性使得网络中的用户纷繁复杂,而众多的网络用户行为表现方式又多种多样,也直接影响到网络的安全性.本文借鉴已有的研究工作,以复杂的网络环境为研究背景,通过对复杂网络环境中用户行为的研究,引入云模型理论,研究并提出了一个基于云模型理论的网络用户行为评判模型,实现了对网络用户行为定量描述及评判;同时研究结果还体现了网络用户行为的不确定性和评判标准的差异性,这样使网络行为评判结果更加符合客观事实.仿真实验进一步验证了本文研究的网络用户行为评判模型能够对复杂的网络环境中网络用户行为做出合理的评判,为复杂的网络环境中网络行为评判的研究提供了有价值的新思路.     

在线信誉系统中的信任模型有效性分析

从理论上证明,由于信任模型存在忽视评分用户信任度的缺陷,现有在线信誉系统难以激励卖者从事持续的诚实交易。针对此问题,构建了基于评分可信度的信任模型。理论分析表明,该模型可有效弥补现有信任模型的不足。