排序方式: 共有41条查询结果,搜索用时 578 毫秒
1.
为解决群体感知数据交易模式下参与者数据隐私泄露的问题,提出了一种隐私保护的群体感知数据交易算法。首先,为实现对参与者的隐私保护,设计了基于差分隐私的聚合方案,参与者不再需要上传原始数据,而是按照任务需求对收集的数据进行分析和计算,将任务结果按照平台分配的隐私预算添加噪声后发送给平台;其次,为确保参与者的可信性,构建了参与者的信誉模型;最后,为激励消费者和参与者参与交易,在考虑消费者对结果偏差的容忍约束和参与者的隐私泄露补偿的基础上构建了交易优化模型以优化平台的收益,并给出了基于遗传算法的收益优化算法(POA)来求解该模型。仿真结果表明,POA不仅保护了参与者的隐私,而且在平台的收益方面相比于VENUS和DPDT分别提高了29.27%和20.45%。 相似文献
2.
在不考虑激励函数有界,可微和单调的情况下,利用Lyapunov泛函方法,得到了时滞Hopfield神经网络模型的平衡点存在性和全局渐近稳定性的新准则.研究结果改进和推广了以前相关文献的结果. 相似文献
3.
4.
本文利用一些分析技巧,获得了具分布时滞的双向联想记忆(BAM)神经网络模型周期解的指数稳定性的结论。 相似文献
5.
协议特征识别技术中用到了一种重要的LCS算法,它是一种字符串比对算法,提取出字符串中的最长连续公共子串。然而,通过理论分析和实验表明:这个查找过程是一个时间复杂度较高的运算过程,如果输入的数据分组比较大,那么运行的时间将会非常长,为此不得不控制输入数据分组的大小和数量,这严重限制了所采用样本集的大小。提出了基于GPU对LCS运算实现加速的方法。在此基础上搭建和配置了CUDA平台,在此平台下研究并实现了LCS算法的并行性。通过对LCS算法在CUDA下并行性的研究,有效地加快了LCS算法的运行速度。实验结果表明,GPU下LCS算法的运行效率比CPU有了显著的提高。 相似文献
6.
基于决策树的分组分类算法因易于实现和高效性,在快速分组分类中广泛使用。决策树算法的基本目标是构造一棵存储高效且查找时间复杂度低的决策树。设计了一种基于规则集统计特性和评价指标的决策树算法——HyperEC 算法。HyperEC算法避免了在构建决策树过程中决策树高度过高和存储空间膨胀的问题。HyperEC算法对IP地址长度不敏感,同样适用于IPv6的多维分组分类。实验证明,HyperEC算法当规则数量较少时,与HyperCuts基本相同,但随着规则数量的增加,该算法在决策树高度、存储空间占用和查找性能方面都明显优于经典的决策树算法。 相似文献
7.
8.
本文基于实测数据抽象出用户网络与资源网络,探讨了对等网络中用户、资源及其内部的相互作用关系,发掘并分析了其内在的网络统计特征. 分析结果表明,用户节点度值及权值呈分段分布,体现了其各异的活跃性;网络资源的流行度差异明显,度值和权值近似呈幂律分布. 用户网络与资源网络存在分簇结构,少数簇中含大量节点,多数簇所含节点数量较少. 用户网络中,同簇内的用户有着相似的兴趣趋向,不同簇用户间兴趣趋向存在着差异,资源网络各簇中不同类别的资源间呈现出明显的关联性. 相似文献
9.
10.