-
公开(公告)号：CN112948872B
公开(公告)日：2023-03-24
申请号：CN202110141538.4
申请日：2021-02-02
Applicant: 华南理工大学
IPC: G06F21/62 , G06F18/23213 , G06F16/29
Abstract: 本发明公开了一种基于分段聚类的路网轨迹语义隐私保护方法，包括步骤：1)预处理初始轨迹数据集，对轨迹进行重采样操作；2)基于MDL(最小描述长度)原则，对轨迹进行分段划分，获得轨迹分段数据集；3)基于路网距离对轨迹分段数据集中的轨迹分段进行聚类，形成分段类；4)确定分段类的路网领域，统计分段类的语义位置分布；5)基于分段类的语义位置分布，启发式生成匿名分段集，用匿名分段集代替单个轨迹进行数据发布，实现路网轨迹语义隐私保护。本发明用匿名分段集合替代单个轨迹进行数据发布，保护轨迹的语义隐私，将轨迹分段、聚类和启发式算法结合起来，提高匿名成功率和语义隐私保护效果，改善匿名数据质量。
-
公开(公告)号：CN115116213A
公开(公告)日：2022-09-27
申请号：CN202210549002.0
申请日：2022-05-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进全连接神经网络的车联网信任管理方法，首先使用交通仿真模拟平台收集路况信息生成训练数据集，并将数据集中的特征信息划分为数据信任和实体信任两类训练特征，然后将训练完成的网络模型部署到车载单元中，车载单元可对进行交互的节点进行判断，并根据判断结果改变对方的信任值，当信任值低于设定阈值后，节点将无法正常通信，从而实现了车联网的信任管理。本发明基于改进全连接神经网络进行车联网信任管理，尽可能真实地模拟车辆在路网环境中的移动和通信情况，能够提取车辆交互的消息中提取出车辆特征，具有广阔的应用场景。
-
公开(公告)号：CN112995987B
公开(公告)日：2022-05-24
申请号：CN202110175304.1
申请日：2021-02-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多目标优化问题的自适应路网语义位置隐私保护方法，包括：1)将真实路网地图转化为语义位置路网图，并在语义位置路网图上，基于用户真实位置，获取多条邻近路网边作为候选匿名路网边，生成候选匿名路网边集合；2)针对候选匿名路网边集合进行序列化处理，生成多个序列化匿名路网边排列集合，每个序列化匿名路网边排列集合都包含多个排列子集；3)利用序列化匿名路网边排列集合构造粒子群空间，基于多目标优化问题定义适应度函数，启发式选择最优的序列化匿名路网边排列子集，发送给LBS服务器进行匿名查询处理，实现路网语义位置隐私保护。本发明提高了匿名查询服务的抗语义相关性攻击能力的同时，也保证了位置服务器的查询效率。
-
Patent Agency Ranking
公开(公告)号：CN112995987A
公开(公告)日：2021-06-18
申请号：CN202110175304.1
申请日：2021-02-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多目标优化问题的自适应路网语义位置隐私保护方法，包括：1)将真实路网地图转化为语义位置路网图，并在语义位置路网图上，基于用户真实位置，获取多条邻近路网边作为候选匿名路网边，生成候选匿名路网边集合；2)针对候选匿名路网边集合进行序列化处理，生成多个序列化匿名路网边排列集合，每个序列化匿名路网边排列集合都包含多个排列子集；3)利用序列化匿名路网边排列集合构造粒子群空间，基于多目标优化问题定义适应度函数，启发式选择最优的序列化匿名路网边排列子集，发送给LBS服务器进行匿名查询处理，实现路网语义位置隐私保护。本发明提高了匿名查询服务的抗语义相关性攻击能力的同时，也保证了位置服务器的查询效率。
-
公开(公告)号：CN114372116B
公开(公告)日：2023-03-21
申请号：CN202111659088.4
申请日：2021-12-30
Applicant: 华南理工大学
IPC: G06F16/29 , G06F16/2458 , G06N3/0442 , G06N3/08 , G06N3/049
Abstract: 本发明公开了一种基于LSTM和时空注意力机制的车辆轨迹预测方法，是基于LSTM编码模块、LSTM解码模块、空间注意力机制和时序注意力机制进行车辆轨迹的精准预测，首先对路网进行栅格化处理，并划分输入到LSTM编码模块中的历史轨迹数据段，然后提取车辆自身移动特征和全局空间特征，LSTM编码模块和LSTM解码模块主要用于实现对历史时间内的特征向量进行学习，并预测车辆未来一段时间的轨迹。本发明基于LSTM和时空注意力机制进行车辆轨迹预测，能够提取车辆移动中的局部和全局特征，尽可能真实的模拟车辆在路网环境中的移动情况，提高了车辆轨迹预测的准确性。
-
公开(公告)号：CN112948872A
公开(公告)日：2021-06-11
申请号：CN202110141538.4
申请日：2021-02-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于分段聚类的路网轨迹语义隐私保护方法，包括步骤：1)预处理初始轨迹数据集，对轨迹进行重采样操作；2)基于MDL(最小描述长度)原则，对轨迹进行分段划分，获得轨迹分段数据集；3)基于路网距离对轨迹分段数据集中的轨迹分段进行聚类，形成分段类；4)确定分段类的路网领域，统计分段类的语义位置分布；5)基于分段类的语义位置分布，启发式生成匿名分段集，用匿名分段集代替单个轨迹进行数据发布，实现路网轨迹语义隐私保护。本发明用匿名分段集合替代单个轨迹进行数据发布，保护轨迹的语义隐私，将轨迹分段、聚类和启发式算法结合起来，提高匿名成功率和语义隐私保护效果，改善匿名数据质量。
-
公开(公告)号：CN115116213B
公开(公告)日：2023-08-22
申请号：CN202210549002.0
申请日：2022-05-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进全连接神经网络的车联网信任管理方法，首先使用交通仿真模拟平台收集路况信息生成训练数据集，并将数据集中的特征信息划分为数据信任和实体信任两类训练特征，然后将训练完成的网络模型部署到车载单元中，车载单元可对进行交互的节点进行判断，并根据判断结果改变对方的信任值，当信任值低于设定阈值后，节点将无法正常通信，从而实现了车联网的信任管理。本发明基于改进全连接神经网络进行车联网信任管理，尽可能真实地模拟车辆在路网环境中的移动和通信情况，能够提取车辆交互的消息中提取出车辆特征，具有广阔的应用场景。
-
公开(公告)号：CN114372116A
公开(公告)日：2022-04-19
申请号：CN202111659088.4
申请日：2021-12-30
Applicant: 华南理工大学
IPC: G06F16/29 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于LSTM和时空注意力机制的车辆轨迹预测方法，是基于LSTM编码模块、LSTM解码模块、空间注意力机制和时序注意力机制进行车辆轨迹的精准预测，首先对路网进行栅格化处理，并划分输入到LSTM编码模块中的历史轨迹数据段，然后提取车辆自身移动特征和全局空间特征，LSTM编码模块和LSTM解码模块主要用于实现对历史时间内的特征向量进行学习，并预测车辆未来一段时间的轨迹。本发明基于LSTM和时空注意力机制进行车辆轨迹预测，能够提取车辆移动中的局部和全局特征，尽可能真实的模拟车辆在路网环境中的移动情况，提高了车辆轨迹预测的准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
