一种移动无线传感器网络的节点位置预测方法

针对目前移动无线传感器网络中现有位置预测方法的预测精度较低以及需要依靠大量的历史运动路径数据的不足,提出了一种基于不确定性支持向量机的“角度-分类”(A-USVC)位置预测方法。该方法利用节点收集的节点隶属度向量来构建归类预测模型,根据所构建的预测模型和计算的移动节点偏转方向来确定未知节点所在的区域,从而完成对移动未知节点的位置预测。仿真实验表明: 在精度方面,该方法相比于传统的马尔科夫模型预测方法提高了35%,相比于神经网络预测方法提高了19%。A-USVC位置预测方法有效地提高了位置预测的精度,且计算量小,在小样本的情况下依然能保持良好的预测能力。     

基于序列挖掘的用户移动位置预测

随着移动通信技术和定位技术(如GPS定位、GSM定位系统等)的发展和广泛的应用,用户移动模式及移动位置预测技术越来越受到重视.现有的很多移动环境下的轨迹预测算法都是基于支持度或置信度来进行预测的,这种方法并不考虑用户移动模式的匹配度.针对这一问题,提出一种新的匹配度计算方法,结合置信度和移动模式与当前访问路径的相似程度计算出下一个用户最有可能移动的位置.实验结果证明该方法能得到较理想的预测准确度.     

基于模式匹配度的用户移动规则挖掘及位置预测方法研究

传统的移动用户位置预测方法由于模式支持度计算方式不合理,存在预测精度偏低的问题。为此,提出了一种基于模式匹配度的用户移动规则挖掘及位置预测方法,并将其用于移动通信系统中,以基台覆盖范围网格为单元的用户位置预测。具体包括三个步骤：通过图的遍历挖掘用户移动模式、基于用户移动模式生成用户移动规则和依据用户移动规则进行位置预测。实验分析使用10个批次轨迹数据进行用户移动规则挖掘,结果表明,该方法挖掘出的用户移动规则数少、支持度高和置信度高,具有高精度的优点。     

面向位置预测的动态轨迹模式挖掘

针对海量的用户轨迹数据进行研究,提出一种动态分析移动对象轨迹模式、预测轨迹位置的方法（PRED）。首先使用改进的模式挖掘模型,提取轨迹频繁模式（简称T-模式）,然后提出DPTUpdate算法,设计蕴含时空信息的快捷数据结构--DPT（Dynamic Pattern Tree）,存储和查询移动物体的T-模式,并提出Prediction算法计算最佳匹配度,得到移动对象轨迹的预测位置。PRED方法可提供动态分析的能力,基于真实数据集进行对比实验,结果证明,平均准确率达到72%,平均覆盖率达到92.1%,与已有方法相比,其预测效果有显著提升。     

移动检测节点能耗优化及预测研究

无线传感器网络具有智能感知外界信息的能力。由于外界环境变化的影响,传感器检测移动事件消耗的能量具有不确定性。在移动频率较低的情况下频繁地检测移动事件会浪费不必要的能耗。在不错过移动事件发生并使节点尽可能长时间地运行在低功耗工作模式的情况下,设置合理的移动检测周期是节点能量利用的关键。介绍了一种无线传感器网络节点能耗的模型,利用该模型的能耗计算方法推算出了在不同移动频率情况下合适的检测参数,对移动检测节点能耗进行优化。通过不同移动频率的实验,论证了该模型能耗计算方法的有效性,并进一步对能耗进行了预测。     

移动分析法在中长期水位预测应用中的研究

中长期水位预测预报是一项非工程防洪减灾措施,原有方差分析法,不能用多个方案进行比较优选,预测方案合格率低,预测值准确率低,为此提出移动分析法的预测方法。运用移动步长法与方差分析法组合的方法,先将分析样本系列用移动步长法进行分系列,用方差分析法计算各分系列的合格率和准确率,计算方案优选率,以优选2次的优选排列前5位的不同步长年分系列方案作为优选方案,用方差分析法计算5个优选方案的预测水位,以5个优选方案预测水位的算术平均值作为总方案的预测水位,具有10个以上方案优选,预测方案的合格率和预测值的准确率都在90%以上,可为防洪减灾决策提供更充分的科学依据。     

多维空间中基于模式的移动对象轨迹预测

本文在分析了现有轨迹模型基础上,提出了轨迹相似度计算模型以及基于移动对象加速度和轨迹偏转角的移动对象轨迹预测模型,综合计算和预测模型提出了移动对象轨迹预测方法. 该方法包括：1）对历史轨迹基于轨迹相似度进行聚类分析,形成训练集聚类,并基于各训练集聚类对目标移动对象的轨迹数据进行轨迹相似度并行计算,找出最大相似度的历史轨迹;2）结合历史轨迹以及移动对象加速度和轨迹偏转角的预测模型进行轨迹预测. 经过对测试轨迹集进行实验的结果表明,本方法在误差为500 m以内的预测准确率能达到90%以上,而且预测时间相对较短,具有较高的实用价值.     

一种分布式远程绘制方法

分布式远程绘制系统通过代价计算及代价预测来有选择地传输客户端渲染所需的资源以提高系统的自适应性,为此提出一种分布式远程绘制方法.该方法改进了传统的代价计算和代价预测算法,把视点移动对远程绘制造成的额外代价加入到代价计算中,并给出了代价预测算法.实验结果表明,改进后的算法可以提高远程绘制的质量,可以更加有效地利用网络带宽,并提高了当视点快速移动时远程绘制的流畅性.     

多模式移动对象不确定性轨迹预测模型

以移动设备、车辆、飞机、飓风等移动对象不确定性轨迹预测问题为背景,将大规模移动对象数据作为研究对象,以频繁轨迹模式挖掘、高斯混合回归技术为主要研究手段,提出多模式移动对象轨迹预测模型,关键技术包括:1）针对单一运动模式,提出一种基于频繁轨迹模式树FTP-tree的轨迹预测方法,利用基于密度的热点区域挖掘算法将轨迹点划分成不同的聚簇,构建轨迹频繁模式树,挖掘频繁轨迹模式预测移动对象连续运动位置.不同数据集上实验结果表明基于FTP-tree的轨迹预测算法在保证时间效率的前提下预测准确性明显优于已有预测算法.2）针对复杂多模式运动行为,利用高斯混合回归方法建模,计算不同运动模式的概率分布,将轨迹数据划分为不同分量,利用高斯过程回归预测移动对象最可能运动轨迹.实验证明,相比于基于隐马尔科夫模型和卡尔曼滤波的预测方法,所提方法具有较高的预测准确性和较低的时间代价.     

移动社交网络中基于网络中心度的链路预测方法*

移动社交网络中的链路预测是指通过已知的网络节点以及移动社交网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。基于网络中心度的思想,提出一种适用于移动社交网络的链路预测算法。在该算法中,根据节点网络中心度和共同邻居数来计算两个节点的相似性指标,两个节点的共同邻居数越多、共同邻居的网络中心度越高,则两个节点的相似度越高。另外,由于移动社交网络的动态性特征,还将考虑时间因素对预测结果的影响。将该方法与其他4种常用的链路预测方法进行比较,实验结果显示所提方法要优于其他方法。     

Forecasting mobile broadband traffic: Application of scenario analysis and Delphi method

Since the mobile boom has started to cause a traffic jam in mobile broadband networks, forecasts on future traffic needs are urgent information for the provision of high-quality mobile broadband services. Thus, this research aims to forecast mobile broadband traffic, focusing on the Korean case. With the emergence of diverse classes of services, where the available devices for the services and their patterns of use are changing rapidly, most of the existing forecasting methods may not be applicable. Therefore, this study designed a new methodology for traffic forecasts, a device-based forecasting that consider mobile traffic from various devices for mobile services. The proposed approach performs the three-round Delphi process to complement the experts’ opinions in forecasting mobile traffic for 10 years. In particular, scenario analysis was applied to reflect uncertainty of future dynamic situations, investigating optimistic, neutral and pessimistic scenarios. In addition, the forecasting performance of the suggested approach was validated by comparing it with that of traditional forecasting tools. The research findings indicate that mobile traffic will increase rapidly, and the patterns of use for mobile devices will change to some extent, which will provide strategic implications for both companies and government.     

面向移动终端的三维模型简化与碰撞检测方法研究

移动终端三维场景的绘制与漫游由于其庞大的模型数据量和复杂的外观形态使得实现清晰的场景快速绘制十分困难。为了加快模型的绘制,提出了一种面向移动终端的三维模型的简化与碰撞检测方法,以优化绘制过程。该方法通过二次测量误差半边折叠算法来简化三维模型,并利用八叉树技术对不能显示在屏幕中的场景进行剔除,从而实现三维场景的快速读取、组织和绘制。针对移动设备的屏幕尺寸以及计算能力等限制,实现了适用于移动平台的碰撞检测算法,减少了计算量。实验结果表明,该方法能有效地简化模型,并提高绘制效率,同时减少碰撞检测的计算时间,因而可应用于三维场景的快速逼真绘制。     

基于Windows Mobile平台的移动学习系统的设计与实现

近年来移动技术的高速发展以及移动终端设备的迅速普及,使得将现有学习系统扩展到移动端成为可能。这种新型学习模式称为移动学习,其旨在使学习者不受时间和空间的限制,能够在任何时间、任何地点自主地进行学习。文章介绍了一个基于Windows Mobile平台的移动学习系统,其使用web Service技术实现移动客户端和服务器的通信。针对移动终端设备资源受限的特点．对系统进行了合理的分层设计,并进一步分析了数据处理、界面展现及课件浏览等方面的相关技术。     

蚁群神经网络在短期负荷预测的应用

为了进一步提高BP神经网络的性能,实现准确、快速预测电力系统负荷的目的,将蚁群算法(ACA)作为BP神经网络的学习算法,建立了一种新的蚁群神经网络(AcAN)预测模型.对某电力系统短期负荷预测的计算实例表明,基于蚁群神经网络的负荷预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的效果.     

基于Windows Mobile平台的移动学习系统的设计与实现

近年来移动技术的高速发展以及移动终端设备的迅速普及,使得将现有学习系统扩展到移动端成为可能。这种新型学习模式称为移动学习,其旨在使学习者不受时间和空间的限制,能够在任何时间、任何地点自主地进行学习。文章介绍了一个基于Win-dows Mobile平台的移动学习系统,其使用WebService技术实现移动客户端和服务器的通信。针对移动终端设备资源受限的特点,对系统进行了合理的分层设计,并进一步分析了数据处理、界面展现及课件浏览等方面的相关技术。     

STM32的条状指纹采集与拼接系统

针对移动嵌入式应用,设计并实现了一种基于STM32的条状指纹实时采集与拼接系统。选用STM32F103RD作为主控器件,通过SPI接口以DMA方式获取AES1711传感器采集到的条状指纹,并采用快速算法拼接成完整的指纹图像。实验结果表明,本系统具有速度快、鲁棒性好、功耗低、性价比高的特点,可方便地应用在移动嵌入式设备中。     

Ambient mesoscale weather forecasting system featuring mobile augmented reality

Multimedia Tools and Applications - With rapid development of mobile technologies, people can easily obtain surrounding information through their mobile devices. Meanwhile, weather forecasting...     

A Coarse-Grained Array Accelerator for Software-Defined Radio Baseband Processing

A shrinking energy budget for mobile devices and increasingly complex communication standards make architecture development for software-defined radio very challenging. Coarse-grained array accelerators are strong candidates for achieving both high performance and low power. The C-programmable hybrid CGA-SIMD accelerator presented here targets emerging broadband cellular and wireless LAN standards, achieving up to 100-Mbps throughput with an average power consumption of 220 mW.     

适用于移动用户高效访问外包数据的非对称代理重加密方案

为使移动设备更加方便快捷地解密存储于云端的外包数据,根据基于身份的广播加密（IBBE）系统和基于身份的加密（IBE）系统,使用Green等提出的解密外包的技术（GREEN M,HOHENBERGER S,WATERS B.Outsourcing the decryption of ABE ciphertexts.Proceedings of the 20th USENIX Conference on Security.Berkeley：USENIX Association,2011：34）,提出一种改进的非对称跨加密系统的代理重加密（MACPRE）方案。该方案更适合计算能力有限的移动设备安全共享云端数据。移动用户在解密重加密后的数据时,运行一次指数运算和一次配对运算便可以将明文恢复,大大提高了移动用户解密的效率,降低了移动用户的能耗。该方案的安全性可以归约到底层的IBE方案和IBBE方案的安全性。理论分析和实验结果表明,该方案使得移动设备花费较少的时间便可以将存储在云端的数据解密,缓解了移动设备计算能力的不足,实用性较强。     

SDMP: A secure detector for epidemic disease file based on DNN

In the era of intelligent office, reading and processing PDF files by mobile devices have become important parts of various businesses. However, due to the universality of mobile device and PDF file, they are also often used by attackers to disguise malicious codes, which makes users in danger. Especially in medical field, once computer virus invades medical experts’ devices, a large number of data with high medical research value will face huge damage and irreparable loss. Therefore, how to ensure the security when users make use of PDF files is a challenging and meaningful task. In this paper, we design an secure detector of malicious PDF file for epidemic disease file based on Deep Neural Network to solve the problem of privacy and security in handling epidemic disease file. Experiment shows that the detection accuracy of our detector can achieve up to 99.3%. Moreover, the time cost on raining and forecasting of the proposed DNN model is extremely low, less than 1s per epoch.