基于BP神经网络的氧化锆氧量计的非线性补偿研究

氧化锆氧量计的工作原理是氧浓差电池原理,其氧浓差电势的计算是严重的非线性函数;选用只含一个隐含层的三层BP神经网络结构,充分利用BP神经网络的非线性函数逼近能力,无需模型只要适量的学习样本通过反复训练,即可按指定精度完成对氧化锆氧量计非线性特性的辩识和输出信号的非线性补偿;就隐含层节点数、学习率、误差指标等参数对该方法中BP神经网络训练次数和收敛过程的影响进行了比较研究。     

面向轨迹数据发布的KSDP方案

轨迹隐私保护中使用k-means算法进行聚类时,对初始值敏感,且聚簇数目的选择具有一定的盲目性,为解决该问题并提高聚类结果的可用性,提出一种结合k-shape和差分隐私的轨迹隐私保护方案KSDP(k-shape differential privacy)．首先,对轨迹数据进行划分切割预处理,利用轨迹的时间属性和空间属性对轨迹切割划分,从而提高聚类泛化的质量．其次,使用设定的效用函数对预处理后的轨迹数据进行评判,并对过滤后数据进行聚类泛化操作．最后,在泛化后的数据中加入Laplace噪声,使其满足差分隐私保护模型,进一步保护轨迹隐私．实验仿真结果表明,与传统差分隐私k-means聚类方案对比,KSDP方案有效提高了聚类结果的可用性,并具有一定的性能优势,更好地实现了轨迹数据发布和隐私保护．     

基于windows的多鼠标应用程序设计

基于windows的多鼠标应用程序设计是一个全新的开发领域,其核心内容是在一台计算机上同时支持多个鼠标。它在计算机辅助教育、计算机协同设计和游戏开发等方面孕育着巨大的市场前景。对于一些经济困难的学校,在单台计算机上同时使用多个鼠标,不但可以节约大量的资金,还可以显著提高学生的学习兴趣和合作意识。本文详细介绍基于multipoint的多鼠标应用程序的起源、概念和设计方法。最后,本文设计了一个多鼠标模式计算机辅助学习实验,实验证明多鼠标模式可显著提高学生的学习效率。     

一种结合神经网络和敏感位置语义的轨迹隐私保护方法

目前,现有的轨迹隐私保护工作大多数考虑的是敏感位置或敏感区域,未能考虑到敏感位置语义且未能精准的描述出位置语义的敏感程度.针对此问题,本文提出了一个TP-SLS(A trajectory privacy protection method combining neural networks and sensitive location semantics)方法.首先,提出了敏感度感知算法,用于量化位置语义敏感度,实现“原子化”保护.其次,为了构建用户的敏感移动场景,建立了一个包含时空信息和位置语义敏感度的四元组并使用差分隐私进行干扰.同时,使用深度神经网络预测轨迹.最后,由于预测的轨迹存在废数据,提出了基于强化学习的优化轨迹算法,用于提高数据质量,完成轨迹数据发布.实验结果表明,TP-SLS方法在隐私保护强度和数据可用性两个方面优于现有的方案.     

基于GPRS的配电变压器实时监控一体化系统

针对配变电实时系统对数据传输可靠性和实时性的要求,设计了基于GPRS网络通信技术的配电变压器监控系统,该系统主要由监控主站、变压器终端单元(Transformer Terminal Unit,TrU)和个人数字助理(Personal：Dam Assistant,PDA)3部分组成,监控主站采用VC 6．0实现,TrU用C语言编写,PDA用Windows CE4．0实现,文章介绍了系统各工作单元的设计和通信系统的工作原理。该系统具有传输速率高、数据吞吐量大、通信实时性强、通信可靠、运行费用低等优点,在应用中取得了良好的效果。     

一种改进的BM模式匹配算法

针对BM模式匹配算法的效率问题,提出其改进算法.分析BM模式匹配算法的原理,若文本串中连续的几个字符不在模式字符串中出现,则不需要被比对,以此改变模式字符串的匹配顺序,提高算法的匹配效率.实验结果表明,改进的BM模式匹配算法可以有效地减少字符串的匹配次数和比对次数,能获得良好的字符串匹配效率.     

面向路网的空间众包隐私保护任务分配算法

隐私保护和任务分配是空间众包的2个核心问题。现有研究大多基于欧氏空间使用地理不可区分性保护位置隐私，但忽略了底层的路网信息，由此带来了众包工人的隐私泄露和效用损失。为了保护工人位置隐私，同时产生较小的效用损失，提出了面向路网的隐私保护批处理任务分配算法。首先，提出了图指数机制优化问题，并设计了一种贪心算法寻找近似最优解，同时引入边缘服务器作为工人的隐私保护代理。然后，将任务分配问题转化为以工人旅行距离为权值的二分图最大流问题，采用KM算法得到最优解。最后，通过实验验证了所提算法在隐私保护程度和效用上均有明显提升。     

结合区块链的车联网隐私保护可信预测缓存架构

在享受基于位置的服务(LBS, location-based service)时,用户需要频繁提交位置信息和查询请求,可能导致隐私泄露。因此,利用认知引擎感知用户需求的能力提出一种基于区块链的隐私保护缓存架构(TPCB, trusted prediction cache architecture based on blockchain)。首先,基于LSTM模型预测查询请求,请求者依靠服务提供商广播缓存数据获取服务。其次,采用信任机制评估信任值来解决与不同邻居通信时引起的交互不可信问题。最后,基于区块链的特性将交易过程中生成的大量信任数据和交易数据存储在区块中。实验结果表明TPCB能有效提高缓存命中率,并对抑制恶意提供商、激励拒绝参与的提供商和隐私保护方面具有良好的性能。     

基于用户偏好和位置分布的假位置生成方法

传统的基于k-匿名机制的假位置生成算法生成的假位置的合理性较低,易被攻击者利用边信息进行攻击.针对此问题,提出了SPDGM算法.首先,定义语义加权有向图,描述语义的时间分布和语义转移关系;其次,为解决仅考虑位置历史概率产生的抵抗能力弱的问题,提出了位置可信度,统一考虑了位置历史概率和大众的评价信息;再次,为避免假位置分布过于密集,定义了离散度,以控制假位置的分布情况;最后,生成语义安全且分布稀疏的匿名集.实验证明,在语义攻击下SPDGM算法具有更低的被识别率,更高的隐私保护强度;在考虑语义攻击的算法中,SPDGM算法的运行时间更短.因此,SPDGM算法具有可行性与实用性.     

边缘辅助群智感知位置隐私保护多任务分配机制

为了解决群智感知中隐私泄露和多任务分配的问题,提出了一种边缘辅助群智感知位置隐私保护(EALP)多任务分配机制。首先,考虑群感知任务具有地理相近特征,利用改进的模糊聚类(FCM)算法对任务位置进行聚类组合,改进聚类数目指标,提高多任务分配的合理性。接着,为了防止云平台和感知用户之间的共谋,在任务分配阶段,提出一种位置隐私保护协议,在感知用户、云服务器和边缘节点之间部署同态加密,云感知平台能够安全地计算感知用户的移动距离,而不知道感知用户的位置和任务聚类中心位置。最后,提出了一种基于蚁群算法多任务分配优化方案,兼顾平台和感知用户两者利益,优化感知用户执行任务路径。实验结果表明,与同类方法相比,所提机制在保护位置隐私的前提下提高了任务完成率,降低了系统的感知成本和用户移动成本。