考虑用户偏好的启发式动态共乘匹配算法

针对现有算法很少考虑用户之间的共乘偏好需求,提出了一种考虑用户偏好的启发式动态共乘匹配算法。构建一个满足用户偏好需求的动态共乘匹配模型,旨在最大化系统匹配率和最小化车辆的绕行距离。算法首先根据出行请求的时间约束、车辆与用户的出行轨迹以及用户的兴趣偏好,过滤不满足用户偏好需求的车辆;其次,构建一个临时匹配图,设置边的权值为出行请求插入到车辆的当前行驶路线中的最小绕行距离;最后采用贪婪方式实现用户与车辆之间的匹配,并采用节点插入方式,将出行请求的出发地点和到达地点插入到车辆的当前行驶路线中。仿真结果表明,提出的启发式动态共乘匹配算法使车辆增加的平均绕行距离和运行时间低于现有算法,系统匹配率高于现有算法;用户的出行时间需求、兴趣偏好、信誉度等共乘需求对系统匹配率有显著影响。     

一种基于路网的多源聚合距离Skyline查询算法

基于路网距离的多源Skyline查询在地图服务中广泛使用,但现有的Skyline查询方法对于复杂的路网距离计算效率低下,并且随着查询点数量的增加查询结果集变得过于庞大,无法为用户提供精简有效的查询结果。为了提高查询结果的有效性和查询效率,提出一种基于最小聚合距离的倒排索引Skyline查询算法,该算法对道路网建立QG-tree索引,提高聚合距离的计算效率;同时对兴趣点集建立倒排索引,结合剪枝策略对兴趣点进行检索,减少聚合距离计算和支配判定的开销,有效地提高查询效率。在真实道路网上的实验表明,所提出的算法效率比现有算法DSR和N3S快1~3个数量级,可以有效地处理道路网环境下多源Skyline查询问题。     

海量活动轨迹相似查询

活动轨迹的近似查询是在带关键词信息的轨迹集中,检索与查询点集距离最近且满足查询点集关键词要求的活动轨迹的过程。因为GAT（Grid index for Activity Trajectories）不能查询海量活动轨迹,将GAT扩展到适用于海量活动轨迹的近似查询技术GATH（GAT on Hadoop）。和GAT相比,GATH使用两种新的索引结构进行剪枝;其网格索引依照海量数据的特点从底层单元格开始进行基于空间的剪枝;其倒排索引用于进行基于关键词的剪枝。实验结果证实GATH比GAT能有效缩短索引建立时间及提高剪枝效率。     

基于CM-DTW算法的智能手机动态手势身份认证

针对DTW算法在手势身份认证中存在的问题，提出了一种基于约束多维DTW算法（Constraints Multi-dimension Dynamic Time Wrapping，CM-DTW）的智能手机动态手势身份认证方法.该方法利用手机内置传感器获取代表用户生物行为特征的手势数据，通过Sakoe-Chiba窗约束下的DTW算法选择合法用户的候选模板集，采用线性升降采样归一化候选模板得到一个标准模板.该方法与DTW算法相比，不仅提高了身份认证的时间效率，并且保证了用户身份认证的准确率.     

基于HBase的路网移动对象时空索引方法

在处理路网移动对象时,由于HBase只能采用key查询,不适用于移动对象的多维查询,导致HBase存在存储索引与查询效率不高的问题。针对此问题,在HBase存储结构的基础上设计并实现了一种高效的路网移动对象HBase索引框架（RM-HBase）。首先,对原生HBase索引框架的上层HMaster和下层HRegionServer进行改进,解决分布式集群数据的热点分布问题,提高空间数据的查询效率;其次,提出路网移动索引——RN-tree,解决空间划分中的"死空间"问题,同时提高空间中路段的查询效率;然后,基于上述对HBase的索引改进,分别设计了时空范围查询、时空K最近邻（KNN）查询和移动对象轨迹查询的查询算法;最后,实验选用了同样是基于HBase分布式数据库而提出的时空HBase索引（STEHIX）框架作为对比对象,分别从索引框架的性能和算法的查询效率两个方面对RM-HBase的性能进行分析。实验结果表明,所提的RM-HBase在数据的均衡分布性能和时空查询算法的查询性能方面都优于STEHIX框架,有助于提升海量路网移动对象数据的时空索引效率。     

基于区域划分的轨迹隐私保护方法

针对现有k匿名方法易受连续查询攻击以及在用户数稀少时难以构建匿名区域问题,提出一种基于区域划分的轨迹隐私保护方法。查询用户利用第三方辅助服务器获得拥有特定区域历史查询点的用户组,并通过P2P协议获得用户组中用户的历史查询点,从中搜索所需的查询结果,以提高查询效率。另外,该方法通过发送伪查询点迷惑攻击者,以及利用覆盖用户真实轨迹的区域划分方法,将多个查询点隐藏在同一子区域中,使攻击者无法重构用户的真实轨迹,以保证安全性。实验结果表明,所提方法随着偏离距离和缓存时间的增大,用户轨迹隐私的安全性会提高。在用户数为1500时,与协作轨迹隐私保护（CTPP）方法相比,安全性平均提高约50%,查询效率平均提高约35%（子区域数为400）。     

面向用户隐私保护的联邦安全树算法

针对联邦学习算法在用户行为预测中存在的准确率低和运行效率不高等问题，提出一种无损失的联邦学习安全树（FLSectree）算法。首先，通过对损失函数的推导，证明损失函数的一阶偏导数与二阶偏导数为敏感数据，采用特征索引序列的扫描和分裂来返回加密后的最佳分裂点，以保护敏感数据不被泄露；接着，通过对实例空间的更新来继续向下分裂并寻找下一个最佳分裂点，直至满足终止条件后结束训练；最后，利用训练后的结果使得各参与方得到本地算法参数。实验结果表明，FLSectree算法能够在保护数据隐私的前提下有效提高用户行为预测算法的准确率和训练效率，与联邦学习FATE（Federated AI Technology Enabler）框架中的SecureBoost算法相比，FLSectree算法在用户行为预测中的准确率提高了9.09%，运行时间降低了87.42%，训练结果与集中式Xgboost算法一致。     

层次序列索引的大规模动态标签图子图查询

标签图常用于智能交通网、生物信息网等新兴领域的建模。子图查询作为图数据分析的关键问题，引起了研究者的广泛关注。对现有子图查询算法的研究发现，随着图数据规模增大且频繁更新，传统子图查询算法普遍存在查询效率低，存储开销大，忽略顶点标签信息等问题。为此，提出了一种支持大规模动态标签图子图查询的层次序列索引（Dynamic Hierarchical Sequence，DHS），该索引提取数据图中带有顶点编号的层次拓扑序列关系以实现子图查询；针对图的动态变化，提出了更新点拓扑扩展式索引维护策略，仅从局部变化顶点及边开始进行增量式更新，大大降低了重建索引造成的巨大开销；提出了基于DHS索引的子图查询方法，仅需将查询图与数据图的层次序列进行匹配即可获得候选集，并在其上利用关系匹配策略获得最终查询结果。实验证明提出的方法在保证高效查询的同时降低了索引的创建及维护时间，提高了子图查询效率。     

基于时间线段树的城市可达区域搜索

针对城市计算中的可达区域搜索问题，提出一种基于时间线段树的搜索方法。该方法中，设计了存储局部可达区域的时间线段树结构，并提出动态自适应的可达区域搜索算法，从而提高了城市可达区域搜索的效率与准确率。该方法主要包括4个步骤：根据道路速度分布模型和轨迹数据生成道路段的概率时间权重；利用层级跳跃表算法进行短时间可达区域的查询与存储；利用时间线段树对层级可达区域建立高效的索引结构；使用时间线段树索引在道路网络中进行迭代搜索，最终输出可达区域集合。在北京市道路网络和出租车轨迹数据集上进行了大量实验，结果表明，与最新的单点上下界限区域可达查询（SQMB）方法比较，该方法在时间效率和准确率上分别提高了18.6%和25%。     

基于路网的群体出行计划查询算法

群体出行计划(GTP)查询旨在为一组用户查找共同的活动地点(通常以兴趣点(PoI)表示)以达到整体的出行开销最小.当前,对群体出行计划查询的研究大多仅限于欧氏空间,然而人们真实的出行却受到道路网络的约束.针对该问题,提出了两个基于路网的群体出行计划查询算法NE-GTP和ER-GTP.其中,NE-GTP通过扩展每个用户所在的边,来迭代地找到这组用户感兴趣的PoI; ER-GTP则是利用R树索引和欧氏距离是路网距离的下界这一条件来快速搜索满足关键词条件的PoI.实验结果表明,ER-GTP方法在查询速度上总体要比NE-GTP快一个数量级左右; 而且,当数据量很大时,ER-GTP也有很好的可扩展性.     

面向公平保障的共乘定价与匹配算法

在共乘场景中,具有相似行程和时间安排的多名乘客一同出行,可降低出行成本、提高车辆上座率和缓解交通拥堵。现有研究忽略了共乘收费标准不统一和司机恶意竞价对乘客共乘体验的影响。在同时考虑费用约束、车辆容量约束和绕路距离约束的的情况下,提出最大化匹配结果公平性的方案,并将共乘的定价与匹配过程建模为一个两阶段的主从博弈。针对上述方案,提出了一个基于K-means++的请求划分算法,以缩小司乘匹配范围,提高匹配效率;在满足所有参与者约束的前提下,设计了基于两阶段主从博弈的迭代算法DPMA,并从理论上证明了其收敛性。在纽约出租车数据集上进行了仿真实验,通过不同的参数设置验证了DPMA的收敛性。与已有的2个算法相比,DPMA在保障司机收益的同时,在公平指数上分别提高了34.03%和24.42%。实验结果表明所设计机制可以有效避免司机间的恶意竞价,且提高了共乘匹配的公平性。     

防止暴露位置攻击的轨迹隐私保护

为解决移动对象轨迹信息被大量收集所导致的轨迹隐私泄露问题,提出了基于假轨迹的轨迹隐私保护算法。在该算法中,考虑了用户的暴露位置,基于轨迹相似性和位置多样性的综合度量,设计了一种启发式规则来选择假轨迹,从而使得生成的假轨迹能有效隐匿真实轨迹和敏感位置。此外,还提出了轨迹有向图策略和基于网格划分的地图策略来优化算法的执行效率。基于真实的轨迹数据进行实验测试和分析,实验结果表明所提算法在保持数据可用性的情况下能有效保护真实轨迹。     

A User Requirement Oriented Web Service Discovery Approach Based on Logic and Threshold Petri Net

In recent years, the number of Web services has increased significantly. Web service discovery has drawn much attention with the development of Web service applications and big data analysis. Under this circumstance, traditional Web service discovery strategies cannot adequately meet high user requirements due to the efficiency and precision of service discovery is low. In order to improve the accuracy and efficiency of service discovery, a user requirement oriented Web service discovery approach based on Petri nets is proposed in this study. A data preprocessing strategy of Web service is first designed. Then, a service clustering method is proposed based on Petri nets, which can conduct service cluster head generation, service cluster composition, and service discovery. The proposed method utilizes a superior data preprocessing method. Using simulation experiments, the efficiency and precision of Web service discovery are illustrated. Finally, the application value of the approach on real Web service is discussed.      

基于接收信号强度指示测距的蒙特卡罗盒移动节点定位算法

针对无线传感器网络(WSN)中以蒙特卡罗为基础的移动节点定位算法在采样效率和定位精度方面的不足,提出一种基于接收信号强度指示(RSSI)测距的蒙特卡罗盒定位(MCB)算法。通过对RSSI测距信息分区间管理来加强过滤条件,提高定位精度;同时采样阶段利用已满足过滤条件的样本点生成更有效的样本,从而提高采样效率;最后通过牛顿插值法预测节点运动轨迹,样本点与未知节点运动轨迹越接近则其权值越大,据此对样本点进行加权处理得到节点的最佳估计位置。仿真结果表明,改进方案在不同的锚节点密度、通信半径、运动速度等情况下均表现出良好性能,且定位精度与同等条件下的蒙特卡罗盒算法相比均有提高。     

基于在线光度标定的半直接视觉SLAM算法

为解决视觉 SLAM（同时定位与地图创建）算法依赖图像亮度而对光照变化场景敏感的问题,提出一种基于在线光度标定的半直接视觉 SLAM 算法。首先,根据相机成像原理,提出基于光度标定的帧间位姿估计方法,在求解位姿的同时对原始的输入图像进行光度校正。其次,在特征追踪环节采取最近共视关键帧匹配策略,以提升特征点匹配效率。最后,对后端重投影迭代优化策略进行改进,降低光照变化对视觉 SLAM 算法的精度和鲁棒性的影响。在 TUM、EuRoC 数据集上的实验结果表明,本算法的轨迹估计精度优于 LSD-SLAM 和 SVO 2.0 算法,尤其是在中等难度、高难度的数据集序列上。在真实环境测试中,通过对比本算法与激光方法的轨迹估计结果,证明本算法有效提高了传统视觉 SLAM 方法在光照不均匀场景下的定位精度与鲁棒性。     

面向港口停留区域识别的船舶停留轨迹提取方法

针对港口停留区域识别时船舶轨迹大数据的精度低、稀疏、漂移等问题，提出了一种多约束条件下的船舶停留轨迹提取（MPTSSE）方法。首先，结合船舶轨迹数据特点，给出了用于停留区域识别与提取的停留段概念的定义；其次，建立了基于速度、时间差、停留时长、距离等多约束的轨迹停留段提取模型和并行化轨迹停留段提取算法；最后，基于Hadoop框架给出了船舶轨迹大数据集上的轨迹停留段提取算法实现。基于真实船舶轨迹数据的实验结果表明，与基于Stop/Move模型的轨迹停留提取方法相比，MPTSSE方法在三个港口泊位的提取中准确率提高了22%。MPTSSE方法能有效避免轨迹停留段误分割情况，同时在大规模船舶轨迹数据下具有较高的执行效率。     

基于用户兴趣的跨网络用户身份识别算法

针对现有算法对用户兴趣在跨网络用户身份识别中作用的忽视以及时间复杂度高的问题,提出了基于用户兴趣的跨社交网络用户身份识别算法（UI-UI）。首先利用分块思想对用户节点进行初筛选,以提升算法效率、降低时间复杂度;其次,根据用户产生内容（UGC）和用户社交关系对用户兴趣进行建模,并计算兴趣相似度作为身份识别的依据;最后利用半监督学习的方法进行跨网络用户身份识别。通过在真实社交网络中进行实验,结果表明UI-UI算法能有效识别跨网络用户,且准确率和召回率稳定,运行时间显著减少。     

基于联邦学习的在线短视频内容分发策略

为提升短视频内容分发的精度,分析用户所属社交群体的兴趣倾向和对短视频内容的个性化需求,在基于主动推荐方式的短视频应用场景中,以视频内容提供商利润最大化为优化目标,设计了一种短视频内容分发策略。首先,基于联邦学习,利用用户群本地相册数据训练兴趣预测模型,提出用户群兴趣向量预测算法并得到用户群的兴趣向量表示;然后,以用户群的兴趣向量作为输入,基于组合置信上界（CUCB）算法实时设计相应的短视频内容分发策略,从而使视频内容提供商获取的长期利润最大化。所提策略获得的平均利润相对稳定且明显优于单纯基于CUCB的短视频分发策略得到的平均利润;与置信上界（UCB）策略和随机策略相比,所提策略使得视频内容提供商获得的总利润分别提高了12%和30%。实验结果表明,所提短视频内容分发策略能有效地提升短视频分发的精度,从而进一步提高视频内容提供商获取的利润。     

基于邻域熵的高光谱波段选择算法

为了减少高光谱图像数据中的冗余信息,优化计算效率,并提升图像数据后续应用的有效性,提出一种基于邻域熵(NE)的高光谱波段选择算法.首先,为了高效计算样本的邻域子集,采用了局部敏感哈希(LSH)作为近似最近邻的搜索策略;然后,引入了NE理论来度量波段和类之间的互信息(MI),并把最小化特征集合与类变量之间的条件熵作为选取...