【摘要】：移動(dòng)群智感知是指移動(dòng)用戶通過隨身攜帶的電子設(shè)備來采集數(shù)據(jù),并且協(xié)作完成復(fù)雜任務(wù)。最近數(shù)十年,隨著智能手機(jī)、車載電子設(shè)備、可穿戴式設(shè)備等大量的移動(dòng)終端設(shè)備的普及,可以利用這些設(shè)備輕易地采集到大量重要的數(shù)據(jù)。移動(dòng)群智感知充分利用了用戶手中移動(dòng)設(shè)備的閑置資源進(jìn)行采集和計(jì)算工作,解決了如城市噪聲地圖繪制、城市環(huán)境地圖繪制、交通流量地圖繪制、應(yīng)急事件提醒、海量書本電子化等諸多復(fù)雜的實(shí)際問題,因此有著巨大的商用價(jià)值和研究意義。已有的理論研究大多聚焦于感知數(shù)據(jù)和位置信息的隱私保護(hù),沒有針對(duì)任務(wù)分配過程進(jìn)行隱私保護(hù)研究。另外,也少有針對(duì)非法用戶參與系統(tǒng)的用戶認(rèn)證機(jī)制進(jìn)行研究。因此,本文針對(duì)移動(dòng)群智感知的任務(wù)分配算法以及相關(guān)的安全機(jī)制(包括隱私保護(hù)和用戶認(rèn)證)進(jìn)行了研究。首先,我們將用戶執(zhí)行感知任務(wù)的時(shí)間長(zhǎng)度作為一種感知質(zhì)量的指標(biāo)。我們研究了時(shí)長(zhǎng)敏感的移動(dòng)群智感知任務(wù)問題,并對(duì)相應(yīng)的優(yōu)化機(jī)制進(jìn)行研究;其次,我們對(duì)移動(dòng)群智感知系統(tǒng)安全機(jī)制進(jìn)行了研究,也就是分別對(duì)任務(wù)分配過程所涉及到的用戶數(shù)據(jù)隱私的保護(hù)機(jī)制以及移動(dòng)環(huán)境下基于智能手機(jī)的用戶認(rèn)證機(jī)制進(jìn)行了研究。具體而言,本文的主要貢獻(xiàn)和創(chuàng)新點(diǎn)如下:1.我們提出了一個(gè)時(shí)長(zhǎng)敏感的移動(dòng)群智感知任務(wù)分配機(jī)制。我們證明了時(shí)長(zhǎng)敏感的任務(wù)分配問題是NP難解問題,并設(shè)計(jì)一個(gè)基于貪婪策略的任務(wù)分配算法,進(jìn)一步地使用禁忌搜索技術(shù)進(jìn)行了優(yōu)化。實(shí)驗(yàn)結(jié)果表明,與已有的基于貪婪策略的群智感知任務(wù)分配算法相比,本文所提的任務(wù)分配機(jī)制能夠降低招募用戶執(zhí)行感知任務(wù)的成本平均約10%左右。2.我們提出了一個(gè)保護(hù)隱私的移動(dòng)群智感知任務(wù)分配協(xié)議。我們將感知質(zhì)量敏感的移動(dòng)群智感知問題形式化為了一個(gè)加權(quán)集合覆蓋問題,并基于貪婪選擇策略設(shè)計(jì)了一個(gè)基本的任務(wù)分配算法。然后,將任務(wù)分配看作是一個(gè)多方安全計(jì)算過程,采用秘密分享技術(shù),在半誠(chéng)實(shí)模型下針對(duì)該任務(wù)分配算法設(shè)計(jì)了一個(gè)隱私保護(hù)協(xié)議。最后,還證明了該協(xié)議的安全性,分析了其任務(wù)分配性能的近似比。與已有的工作相比,該協(xié)議無需可信第三方,也不需要進(jìn)行加解密操作,具有較好計(jì)算性能。3.我們提出了一個(gè)基于手勢(shì)識(shí)別的移動(dòng)群智感知的用戶認(rèn)證的安全機(jī)制。我們分析現(xiàn)有認(rèn)證機(jī)制,利用語譜圖呈現(xiàn)手勢(shì)對(duì)聲波產(chǎn)生的多普勒效應(yīng)。然后我們利用目標(biāo)檢測(cè)技術(shù)實(shí)現(xiàn)了用戶認(rèn)證。實(shí)驗(yàn)表明,該方法有著較為可靠的超聲波手勢(shì)識(shí)別精準(zhǔn)度,并給出了可接受的認(rèn)證機(jī)制。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP309
【圖文】：

初期的人工神經(jīng)網(wǎng)絡(luò)是除了輸出層的所有的神經(jīng)元都和后面相鄰一逡逑層的每一個(gè)神經(jīng)元連接，也就是所謂的全連接，但是這種方式計(jì)算量大，模型參逡逑數(shù)存儲(chǔ)也是非常麻煩的，于是如圖２．２的卷積神經(jīng)網(wǎng)絡(luò)就被提出了。逡逑Ｉｉ邋＾２．１！邋＇Ｔ邐ＪＷｌ邋１Ｅ＾逡逑＿邐、ｑＺ．」口邐□邋－邋ＲＫＹＣＬｇ逡逑ＣＯＮＶＯＩＵＴＩＯＮ邋？邋ＲｔｌＵ邋＾ＯＯｉＪＮＯ邋ＣＯＮＶＯｔＵＴｔＣＮ邋＊邐ＰＯＯＵＮＳ邐Ｈ＊ＴＴＥＮ邋ＦＵＵ？邋ＳＯｆＴＭＡＸ逡逑ｊ邋ｉ邐ＣＯＮＮ￡ＣＴ￡０邐？逡逑Ｙ邐邐Ｙ邐逡逑ＦＥＡＴＵＲＥ邋ＩＥＡＲＮＩＮＧ邐ＣＬＡＳＳｉｆｉＣＡＴｉＯＮ逡逑圖２．２卷積神經(jīng)網(wǎng)絡(luò)示意圖逡逑２．５．１．卷積層逡逑卷積神經(jīng)網(wǎng)絡(luò)是一類深層的前向傳播的人工神經(jīng)網(wǎng)絡(luò)，其核心是卷積層，甚逡逑至有些網(wǎng)絡(luò)結(jié)構(gòu)全是卷積層組成的。卷積層由多個(gè)卷積核組成，每個(gè)卷積核同輸逡逑入數(shù)據(jù)卷積運(yùn)算，形成新的特征圖。卷積核是多維算子，大小由用戶定義，深度逡逑由輸入數(shù)據(jù)定義。卷積核的矩陣值就是卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)，一開始的時(shí)候是逡逑隨機(jī)生成，然后通過反向傳播更新。卷積核一般選擇奇數(shù)長(zhǎng)度大小，這樣滿足對(duì)逡逑稱。在卷積過程中，步長(zhǎng)是很重要的參數(shù)，步長(zhǎng)是指對(duì)輸入特征圖掃描的間隔，逡逑會(huì)對(duì)輸出特征圖產(chǎn)生影響。在卷積計(jì)算中，為了邊界上的數(shù)據(jù)也能作為中心參與逡逑１４逡逑

入輸出相互對(duì)應(yīng)，也就是說所有輸入輸出都是相互連接。如果輸入層神經(jīng)元有Ｐ逡逑個(gè)，下一層神經(jīng)元有ｑ個(gè)，那么連接參數(shù)就有ｐｑ個(gè)。但是只用一個(gè)大小是ｋ的逡逑核，其中ｋ是遠(yuǎn)遠(yuǎn)小于ｑ的。如圖２．３核的規(guī)模比輸入規(guī)模要小很多，而且輸入逡逑與核之間的對(duì)應(yīng)的參數(shù)都是共享的。因此大大減少了對(duì)模型參數(shù)存儲(chǔ)的要求，提逡逑高了它的統(tǒng)計(jì)效率。同樣，我們也用更少的計(jì)算等到了最終的結(jié)果。這些效率上逡逑的提高往往是很顯著的３８］。逡逑￥［Ｔ｜邋１１邋ｉ；；｜邐？？邋？？？邋．．．．．．逡逑ＡＪＬＡＪａＪＬｉＪ］邋N！N邋１邋２邋４｜３邋３逡逑互互互上±；４邋互逡逑．］ｉ｜0ｌｉ｜邋ＴＴＴＴＴ逡逑１３１３１１１１１邋ｏ￣逡逑Ｔｔｉｌ0ｌ0ｌ0ｌ0｜（ｒ逡逑Ｉ邐Ｋ邐Ｉ邋＊邋Ｋ逡逑圖２．３卷積層示意圖逡逑２．５．２．

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 馮劍紅;李國(guó)良;馮建華;;眾包技術(shù)研究綜述[J];計(jì)算機(jī)學(xué)報(bào);2015年09期

2 黃漫國(guó);樊尚春;鄭德智;邢維巍;;多傳感器數(shù)據(jù)融合技術(shù)研究進(jìn)展[J];傳感器與微系統(tǒng);2010年03期

相關(guān)碩士學(xué)位論文 前1條

1 苗敏敏;基于手機(jī)內(nèi)置加速度傳感器的動(dòng)態(tài)手勢(shì)認(rèn)證方法[D];江南大學(xué);2015年

本文編號(hào)：2739762