一种大数据环境下的在线社交媒体位置推断方法

随着在线社交媒体的快速发展和可定位设备的大量普及,地理位置作为社交媒体大数据中一种质量极高的信息资源,开始在疾病控制、人口流动性分析和广告精准投放等方面得到广泛应用.但是,由于大量用户没有指定或者不能准确指定位置,社交媒体上的地理位置数据十分稀疏.针对此数据稀疏性问题,提出一种基于用户生成内容的位置推断方法UGC-LI(user generate content driven location inference method),实现对社交媒体用户和生成文本位置的推断,为基于位置的个性化信息服务提供数据支撑.通过抽取用户生成文本中的本地词语,构建一个基于词汇地理分布差异和用户社交图谱的概率模型,在多层次的地理范围内推断用户位置.同时,提出一个基于位置的参数化语言模型,计算用户生成文本发出的城市.在真实数据集上进行的评估实验表明:UGC-LI方法能够在15km偏移距离准确定位64.2%的用户,对用户所在城市的推断准确率达到81.3%;同时,可正确定位32.7%的用户生成文本发出的城市,与现有方法相比有明显的提高.     

基于卡尔曼滤波与中位加权的定位算法

为了有效解决基于接收信号强度的高精度室内位置服务计算困难问题,提出了一种新的基于卡尔曼滤波和中位加权(WMKF)的定位算法。该算法不同于以往的室内定位算法,首先应用卡尔曼滤波平滑了随机误差;然后利用中位加权方法抑制了显著误差,利用距离路径损耗模型得到衰落曲线并计算出估计距离;最后利用质心求解方法得到目标节点位置。实验结果表明,该算法初步解决了相对复杂环境下定位稳定性较差的问题,并有效地提高了定位精度,使精度达到0.81~1m。     

移动社交网络中矩阵混淆加密交友隐私保护策略

随着移动设备和在线社交网络的快速发展,通过用户的个人属性配置文件匹配,能够帮助用户在邻近的社交网络中迅速找到和自己共同特征的朋友.然而,交友匹配很有可能泄漏用户的敏感信息,因此用户隐私得不到保障.提出一种移动社交网络中交友匹配过程中的隐私保护协议,用户利用混淆矩阵变换算法和内积计算实现交友过程中的隐私安全和高效的匹配;用户可以细粒度定义自己特征属性的特征权重,从而使匹配结果更精确.此外,利用机会分析模型模拟真实交友场景来保证交友的有效性.安全性分析表明,提出的方法更具有隐私性、可用性和更低的通信和计算开销.通过结合真实的社会网络数据进行测试和评估,对比结果显示,比现有解决方案更有效.     

基于RSS-IWLS的认知无线电系统主用户定位算法

在认知无线电系统中,主用户定位是执行无线传输场景分析,进而共享主用户频谱资源,提供基于位置辅助业务的前提条件。针对主用户发射信号功率未知情况,提出一种基于接收信号强度的改进加权最小二乘（RSS-IWLS）算法实现在对主用户定位的同时估计其发送功率。该算法综合考虑路径损耗、阴影效应和信道噪声对定位精度的影响。仿真结果表明,执行RSS-IWLS算法获得的主用户位置估计精度比基于接收信号强度的最小二乘算法更高。     

基于距离平方差的目标定位估计算法研究

无线传感器网络定位技术作为无线传感器网络的重要支撑技术之一,具有很大的实际价值和研究意义。无线传感器网络的目标定位估计技术主要应用于目标跟踪和目标运动分析,在工业领域具有广阔的发展前景。无线传感器网络由许多在空间中分布的传感器组成,这些传感器能够测量出传感器与定位目标之间的距离,但是该观测距离因为受环境影响所以是有噪音的。目前基于距离的最小二乘估计的定位算法已得到广泛关注,但是该问题是一个非凸问题,精确求解十分困难。因此学者们提出了基于距离平方的最小二乘估计的定位算法,该算法的数学模型虽然相对精确,但是计算起来十分复杂。本文基于距离平方差,提出了新的目标定位估计算法,该算法计算简单,稳定性强,且能得到与基于距离平方的最小二乘估计的定位算法相当的结果。仿真实验结果表明,无论在低噪音水平、中噪音水平还是高噪音水平下,本文提出的新算法都更有优势,在工程领域有极高的应用价值。     

无线传感器加权质心定位算法研究

无线传感器网络的节点自定位的技术主要有基于测距(Range-Based)的定位技术和距离无关(Range-Free)定位技术。该文主要研究了基于测距的无线传感器网络定位算法。在传统质心定位算法中,引入相对RSSI加权定位实现未知节点的位置估计。该方法每个锚节点的权值使用RSSI的相对位置值,每个锚节点的权值可以按线性或指数加权。     

基于约束总体最小二乘的泰勒级数定位算法

目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range-Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range-Difference,RD)的误差平方和最小模型中获得普通最小二乘准则下的全局最优解。将泰勒级数法与约束总体最小二乘法(Constraint Total Least Square,CTLS)相结合,提出一种基于约束总体最小二乘的泰勒级数定位算法(CTLS-Taylor)。利用CTLS方法获得目标节点的粗估计位置,并将该位置作为泰勒级数展开法的初始点,通过迭代,获得目标节点的精估计位置。仿真结果表明,CTLS-Taylor算法不仅能够获得与QCLS-Taylor算法相同的定位精度,而且迭代次数有了明显减少;同时与CTLS定位算法相比,当测量噪声较高时,CTLS-Taylor算法的定位精度更高。     

一种用于无线传感器网络节点递增式定位的新方法

针对递增式无线传感器节点定位中的误差累积问题,提出了一种基于最优加权最小二乘估计的节点定位改进方法,以提高节点的定位精度.在加权最小二乘估计法中,以加权系数为核心,对加权最小二乘进行改进,在估计误差方差矩阵最小时得出最优加权最小二乘的无偏估计解,此时权值可根据方差阵的逆阵来取得最高精度的估计值.仿真结果表明,此方法能有...     

基于多元变量Taylor级数展开模型的定位算法*

为了进一步提高无线传感器网络的定位精度,通过考虑未知传感器之间的距离信息,构建了多元变量Taylor级数展开的定位模型。在对该模型求解过程中,首先利用三边测距法得到未知传感器的初始位置,再采用加权最小二乘法计算其最优值作为未知传感器的估计位置。为评价该算法的性能,对定位结果的Cramer-Rao下界(CRLB)进行了推导。仿真测试了不同距离测量误差和已知传感器数目对定位误差的影响,以及算法的累积分布函数(CDF)。仿真结果表明,该算法有效地提高了定位精度,且定位误差非常接近CRLB。     

基于卷积神经网络的评论文本兴趣点推荐算法

针对基于位置社交网络中的兴趣点推荐存在用户签到数据稀疏、评论文本信息利用不充分、推荐准确度不高等问题, 提出一种基于卷积神经网络的评论文本兴趣点推荐模型(RT-CNN). 首先采用高斯函数利用邻近地理位置加权方法填补矩阵分解模型中缺少的位置信息, 预测用户对未签到位置的潜在兴趣. 然后通过卷积神经网络处理评论文本信息挖掘潜在特征, 深度提取用户情感倾向, 使用Softmax逻辑回归函数获得评论文本与用户和位置兴趣点潜在特征相关的概率, 通过对目标函数的求解提取用户和位置潜在特征向量. 最后融合签到行为、地理位置影响、用户情感倾向、用户潜在特征和位置兴趣点潜在特征进行兴趣点推荐. 在公开的Foursquare网站纽约(NYC)和洛杉矶(LA)两个真实签到数据集进行实验, 结果表明RT-CNN模型相比其他先进的兴趣点推荐模型提高了精确率和召回率, 具有更好的推荐性能.     

一种基于匿名区域变换的位置隐私保护方法

针对基于位置服务的应用中存在的用户位置隐私泄露问题,提出一种基于匿名区域变换的位置隐私保护方法。在离用户一定距离处选择一个锚点生成匿名区域后,利用邻近节点处理法计算用户邻近节点查询结果与用户真实位置之间的距离,从而实现在保护用户位置隐私的同时得到精确的查询结果。理论分析和实验结果表明,与Cloaking Region和SpaceTwist算法相比,该方法在保证较低通信开销的前提下,具有较好的位置隐私保护性能。     

Trip planning queries with location privacy in spatial databases

Privacy has become a major concern for the users of location-based services (LBSs) and researchers have focused on protecting user privacy for different location-based queries. In this paper, we propose techniques to protect location privacy of users for trip planning (TP) queries, a novel type of query in spatial databases. A TP query enables a user to plan a trip with the minimum travel distance, where the trip starts from a source location, goes through a sequence of points of interest (POIs) (e.g., restaurant, shopping center), and ends at a destination location. Due to privacy concerns, users may not wish to disclose their exact locations to the location-based service provider (LSP). In this paper, we present the first comprehensive solution for processing TP queries without disclosing a user’s actual source and destination locations to the LSP. Our system protects the user’s privacy by sending either a false location or a cloaked location of the user to the LSP but provides exact results of the TP queries. We develop a novel technique to refine the search space as an elliptical region using geometric properties, which is the key idea behind the efficiency of our algorithms. To further reduce the processing overhead while computing a trip from a large POI database, we present an approximation algorithm for privacy preserving TP queries. Extensive experiments show that the proposed algorithms evaluate TP queries in real time with the desired level of location privacy.     

面向Android应用的细粒度位置隐私保护系统

位置隐私保护是移动定位服务中的关键安全问题,粗粒度的访问控制机制通过绝对的授权策略抑制了位置信息的暴露,但是忽略了用户的服务质量。提出一种针对本地位置信息的时空模糊算法,实现了细粒度的位置隐私保护系统,在保障用户服务质量的前提下实现位置信息的模糊,从而达到隐私保护的目的。首先设计了一种针对应用程序位置服务请求的位置信息拦截技术,截获精确位置信息,并使用位置模糊算法进行模糊处理;将模糊后的安全位置信息返回给Apps,从而实现位置隐私保护。实验结果证明了该方法的有效性。     

路网环境下的语义多样性位置隐私保护方法

针对位置服务中基于K-匿名方法构造的匿名集因未考虑语义信息导致语义推断攻击问题,提出了一种路网环境下的语义多样性位置隐私保护方法。该方法根据不同语义位置用户访问数量,利用欧氏距离选择具有相似特性的语义位置类型,构建最优语义位置类型集合。根据路段上属于该类型集的语义位置所占比例,选择最优路段构建匿名集,使得匿名集不仅满足语义多样性,而且增加了用户语义位置的不确定性。实验结果表明,与LSBASC算法相比,该方法在平均匿名时间上提高了27%,SDA算法的执行效率更好。在相对空间粒度上减小了21%,隐私泄露程度上降低了3%,SDA算法以更小的匿名空间提供更高的服务质量和隐私保护程度,能有效地保护用户语义位置隐私。     

移动对象连续查询位置匿名策略

用户位置隐私保护已经成为基于位置服务领域研究的热点问题之一,现有的方法多是只针对用户单独一次查询的隐私保护,没有考虑移动过程中由于连续查询而造成的位置隐私泄露问题。主要针对连续查询下的移动对象位置隐私保护提出一种基于历史用户的虚假用户生成的位置匿名方法,该方法结合用户历史数据,通过确定合理的假用户生成区域及假用户生成时刻其空间位置,使虚假用户能够实时对真实用户位置进行保护,通过实验验证其可行性和有效性。     

Preference-oriented mining techniques for location-based store search

With the development of wireless telecommunication technologies, a number of studies have been done on the issues of location-based services due to wide applications. Among them, one of the active topics is the location-based search. Most of previous studies focused on the search of nearby stores, such as restaurants, hotels, or shopping malls, based on the user’s location. However, such search results may not satisfy the users well for their preferences. In this paper, we propose a novel data mining-based approach, named preference-oriented location-based search (POLS), to efficiently search for k nearby stores that are most preferred by the user based on the user’s location, preference, and query time. In POLS, we propose two preference learning algorithms to automatically learn user’s preference. In addition, we propose a ranking algorithm to rank the nearby stores based on user’s location, preference, and query time. To the best of our knowledge, this is the first work on taking temporal location-based search with automatic user preference learning into account simultaneously. Through experimental evaluations on the real dataset, the proposed approach is shown to deliver excellent performance.     

位置服务社交网络用户行为相似性分析

基于位置的社交网络(LBSN)能够支持用户分享地理位置信息,网站中保存用户访问真实世界地理位置的记录构成用户的行为轨迹,但LBSN用户相似性的分析并没有从用户的地理位置轨迹上加以考虑。为此,提出基于划分层次,在不同的邻域半径下密度聚类的方法,探索基于位置的服务(LBS)平台上用户地理位置上相似性的度量。该方法在不同空间位置比例尺下观察用户访问各个聚类区域的次数,进而利用向量空间模型(VSM)计算用户在各个层级的相似性,最终以不同权重叠加各层级的用户相似性值,得出用户在地理空间行为上的相似性。基于国内某大型位置社交网站真实用户数据的实验结果表明,该方法能有效识别出访问地理位置相似的用户。     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

基于用户空间位置评分云模型的Web服务协同过滤推荐算法

Web服务作为无形的产品,不具备真实环境下的空间地理位置坐标,针对服务推荐中无法衡量用户群体与Web服务之间的距离位置关系,造成用户相似度计算失衡,导致推荐不准确等问题,提出了基于用户空间位置评分云模型的Web服务协同过滤推荐算法.首先基于用户群体的行为数据量化Web服务的热度区域,通过空间位置量化评分描述用户对于Web服务的兴趣偏好;其次利用云模型来描述每个用户空间行为评分的整体特征,设计了云模型间相似贴近度的计算方法,基于该方法提出了一种用户差异程度系数评估算法,并作为调控系数优化了皮尔森相似度量;最后通过协同过滤找出用户感兴趣的Web服务.实验结果表明该算法使得用户行为偏好的区域划分更加精确,在推荐准确率上明显提高,为基于位置的Web服务推荐提供新颖的方案.