数据库驱动认知无线电网络位置隐私的攻击与保护

针对数据库驱动认知无线电网络(cognitive radio networks)存在的位置隐私泄露风险,提出两种攻击方法:覆盖交集攻击和频道切换攻击,可根据二级用户(secondary user,SU)频道使用情况,在不直接获取查询信息中的位置信息的前提下,间接推断SU位置。为应对上述攻击,提出查询信息盲化机制来实现隐私保护的频谱查询,同时对频道选择方案进行优化使得SU能够最大程度地保护自身位置隐私。根据真实数据进行的攻击实验提高了对SU的定位精度,基于模拟数据的隐私保护方案验证实验证明了本文提出的保护方案的有效性和效率。     

基于矩阵分解的大数据集域隐私匹配算法

本文为解决常规数据集域隐私匹配算法存在匹配计算不稳定性的不足,提出了基于矩阵分解的大数据集域隐私匹配算法研究。基于大数据集域隐私匹配算法研究平台的搭建,载入大数据集域隐私匹配算法规则,实现大数据集域隐私匹配算法研究模型的构建。试验数据表明,提出的大数据集域隐私匹配算法较常规集域隐私匹配算法,综合匹配计算稳定性明显提高。     

TopN推荐系统的差分隐私保护研究

提出了1种基于差分隐私保护的TopN协同过滤推荐算法—DP-TopN算法,使用Laplace噪音机制分别对推荐过程的数据预处理部分和用户评分部分进行随机扰动,并对推荐算法步骤进行调整,使得整个推荐过程满足差分隐私模型,从而达到保护用户隐私安全的目的。通过在真实数据集上进行的实验和理论分析表明,所提算法能在满足精确推荐的同时有效地保护用户的个人隐私。     

基于BIM的非结构化信息自动关联机制研究

目前工程建设中产生的大量信息仍主要以非结构化文档的形式进行存储,本文研究非结构化信息与高度结构化的BIM模型数据的关联机制,以实现基于BIM的非结构化信息的查询与提取,提高其使用效率。本文提出基于文档标题和文档内容相结合的关联机制,搜索与特定文档相关的模型实体,并根据计算的相关度进行排序,经用户确认后建立文档与模型实体之间的关联。实例验证表明,如果模型实体命名规范,文档表述与之较为匹配,本方法可以召回所有相关实体,且相关实体均出现在列表的前方,关联后的文档可以基于BIM实体动态查询,提高了非结构化信息的利用效率。     

无线数据广播环境下k近邻查询研究

近邻查询问题是基于位置的查询的重要问题之一,是要找到距离查询点最近的k个对象的集合。无线数据广播技术能够有效地避免C/S模式在处理海量数据时的弊端,也能够对用户的位置信息进行隐私保护。将无线数据广播技术应用到k近邻查询中,利用Hilbert曲线组织空间结构,结合无线数据广播技术具有线性的特性,通过过滤和剪枝两个步骤,最终找到查询点的k个最近邻集合。     

灭火救援专业知识智能匹配算法

摘 要：基于当下灭火救援领域中的突发事件,提出灭火救援专业知识智能匹配算法,该算法基于自然语言处理和注意力机制计算案件描述和消防预警信息之间的语义关系,从而实现相关灭火救援专业知识的匹配。首先基于自然语言处理的方法学习句粒度级别的语义信息,然后基于注意力机制学习词粒度级别的语义信息,最后基于两个级别语义信息的交互,根据信息之间局部差异推断两个句子之间的关系。试验结果表明：该算法具有优异的性能,能够同时从词和句两个粒度上更准确地理解句子,实现基于案件描述的灭火救援专业知识智能匹配。     

导向设施与大型公共空间造型的形态相关性研究

研究使用感性工学语义差异法对使用者进行测试,并通过量化分析探讨导向设施造型与其所在大型建筑造型之间的形态相关性设计策略。首先将立地式导向设施造型设计形态要素划分为7大类型及29种关键要素。并以大型高铁站为例,依据时间维度划分了7种差异的大型公共建筑风格类型,进而以其中"当代风格"子类型建筑风格为例,使用感性工学语义差异法对用户测试,采集导向牌形态要素与该类型建筑方案图片之间的形象关联与匹配度数据,通过对数据的平均值和要素分布的统计分析及使用皮尔森关系数算法进行要素类型影响度的排序,明确导向设施形式中与当代风格建筑关联最为密切的关联性设计特征,并为此类量化研究提出相关技术路线和方法经验。     

基于感知价值和隐私关注的用户移动个性化推荐采纳

移动商务的发展带来了移动网络信息量的激增,为解决信息超载问题,提升用户体验,帮助消费者更加快捷高效地找到合意的商品或服务信息,许多电商网站开发了移动个性化推荐系统。所谓移动个性化推荐,就是以移动终端为载体,根据用户自身或相似用户过去的偏好和行为向其推荐可能感兴趣的商品或服务信息,是购物消费模式向服务消费模式转变的重要手段。鉴于移动个性化推荐主要依赖于用户信息挖掘,会引起用户对个人隐私信息泄露的关注,因此在推荐模型算法改进和移动营销实践中一定要考虑用户对移动个性化推荐的感知和行为意向。基于探索性因子分析、验证性因子分析、结构方程模型及回归分析,实证分析感知价值和隐私关注对用户移动个性化推荐采纳意愿的影响和作用机制发现,用户感知功能价值和体验价值对其移动个性化推荐采纳意愿的影响最为显著,其次是隐私关注,最后是安全价值,感知社会价值的影响不显著;隐私关注对用户感知功能价值和安全价值与移动个性化推荐采纳意愿之间的关系存在负向调节作用。因此,为更好地提高用户移动个性化推荐采纳意愿,唤起用户消费心理并转化成消费行为,一定要在进一步完善移动个性化推荐功能属性,通过加强基于情境的个性化推荐提升用户体验,提高推荐精准性和新颖性的同时,加强用户隐私保护,营造安全的移动营销环境。     

基于用户学习路径分析的教育资源个性化推荐研究

针对学习者用户差异性需求推荐个性化教育资源是智能学习领域研究的难点,也是构建E-learning个性化学习支持服务的关键。学习者在网络学习过程中,其时序化的学习行为日志蕴含了各种学习路径信息。通过对目标用户学习路径分析可挖掘其所潜在的认知风格、学习偏好、认知水平等各种隐性特征信息,为E-learning教育资源个性化推荐提供重要依据。基于关联规则挖掘对用户行为日志分析,从系统架构、模型构建、路径匹配以及推荐算法四个维度切入,提出了E-learning环境下基于用户学习路径分析的教育资源个性化推荐解决方案。     

基于数据内在特性和LSTM的用电数据异常检测算法研究

为解决现有用电数据异常检测算法准确率低的问题,首先,文章分析了用户用电数据具有时间关联特性、高维度特性,且容易受外部因素影响等特性。其次,基于数据内在特性和LSTM理论,提出了基于数据内在特性和LSTM的用户用电数据异常检测算法。该算法采用有放回的构造数据集策略,构造K个数据集合,采用4层LSTM网络,实现高维数据特征提取,利用两层全连接的隐含层组成的神经网络,实现用户特征数据匹配,采用大概率事件将K个数据集的结果中出现最多的分类作为该节点的分类。通过实验,验证了文章算法比传统算法好,提高了准确率,降低了误报率。