【摘 要】
：
针对查询K近邻兴趣点方法多基于欧氏空间的不实用问题,提出了适用于路网环境下的查询方法。利用四叉树索引划分路网节点,用户基于划分结果,计算所在路段指向的路网顶点,以该顶点为出发点查询路网距离下的K近邻目标兴趣点。用户构造包含这K个目标兴趣点的匿名框并注入虚假兴趣点查询请求,LBS服务器只返回匿名框内的兴趣点查询结果。该方法在控制通信开销的同时,能够保护用户的位置隐私和查询内容隐私。
【机 构】
：
华侨大学计算机科学与技术学院,哈尔滨工程大学计算机科学与技术学院
【基金项目】
：
国家自然科学基金资助项目（61472097,61170241）,中央高校基础科研业务费重大专项资助项目（HEUCFZ1105）,高等学校博士学科点专项科研基金资助项目（20132304110017）,黑龙江省杰出青年基金资助项目（JC201117）,黑龙江省教育厅科学技术项目（12541788）
论文部分内容阅读
针对查询K近邻兴趣点方法多基于欧氏空间的不实用问题,提出了适用于路网环境下的查询方法。利用四叉树索引划分路网节点,用户基于划分结果,计算所在路段指向的路网顶点,以该顶点为出发点查询路网距离下的K近邻目标兴趣点。用户构造包含这K个目标兴趣点的匿名框并注入虚假兴趣点查询请求,LBS服务器只返回匿名框内的兴趣点查询结果。该方法在控制通信开销的同时,能够保护用户的位置隐私和查询内容隐私。
其他文献
针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法。对点云构建k-d tree,利用k-d tree建立点云K邻域;针对每个K邻域计算数据点曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离,据此四个参数定义特征阈值和特征判别参数,特征判别参数大于阈值的点即为特征点。实验结果表明,与已有算法相比
以提高定位精度为目的,同时从减少定位时延、消除定位模糊的角度出发,并且考虑到线阵定位角度范围的限制,提出了嵌套的均匀圆形麦克风阵列结构。由于在使用高分辨率的近场声
为了解决基于网格技术的图形排列算法在处理可变尺寸图形排列问题上的局限性,基于几何变换思想,建立了有界平面上图形自适应排列的数学模型,并证明了其正确性,进而提出了基于坐标变换的图形自适应排列算法。此算法用图形平移变换方式代替网格划分方法在有界视图上部署图形元素,其时间复杂性为O(N)。最后将所获得的算法应用到面向中央空调节能控制的软PLC系统上。基于九类指令图形、三类测试案例的测试结果表明,算法能以
针对互信息仅考虑两幅图像相应像素的灰度信息以及B样条变换模型存在形变场奇异点的问题,提出一种基于P样条和局部互信息的非刚性医学图像配准方法。该方法以局部互信息为相似性测度,采用P样条变换模型模拟待配准图像的几何形变,使用三次插值算法对图像像素进行赋值,结合对大规模参数优化效率高的LBFGS算法优化配准参数。较传统的B样条变换模型和互信息,提出的方法除计算时间外,其他三项指标更优,均方误差下降了89
针对信息中心网络（ICN）中终端用户体验不佳、网络资源利用率低等不足，对ICN中联合多径拥塞控制和请求转发问题展开研究。将该问题看成是以用户吞吐量最大化和总体网络成本最小化
考虑到互联网数据的海量规模,采用传统方法的空间拓扑关系判定已远超出当前系统的处理能力。以分层法和二分查找法为基础提出了一种判定海量地理坐标与给定区域空间拓扑关系
针对单个摄像机视野有限而无法满足日益扩大的监控范围的现象,对无视野重叠的跨摄像机行人跟踪算法进行了研究,并提出了一种融合时空线索和外观线索的无视野重叠跨摄像机行人跟踪算法。在对已有摄像机网络拓扑结构估计算法分析的基础上提出了一种基于加权时间窗口的无视野重叠摄像机网络拓扑结构估计算法;然后利用朴素贝叶斯完成两种线索融合,实现不同摄像机间行人匹配和跟踪信息的传递,最终实现无视野重叠区域的跨摄像机行人跟
考虑了服务器内资源容量及虚拟机多类型资源需求时虚拟机部署最优化时延问题。首先将最优化虚拟机部署时延问题进行了形式化建模,并证明了该问题为一个NPC问题;然后通过遗传结合贪心策略提出了一种高效的虚拟机部署算法优化时延。该算法的主要特点在于:结合了贪心策略指导个体在初始化、选择、交叉、变异时形成最优解,并且在交叉过程中采用奇、偶数位个体交叉的方式形成新个体,既避免了个体间的重复交叉,又通过多样化的新个
针对在大规模植物模拟中基于三维几何网格模型的植物模拟方法内存消耗大,以及基于二维平面模型的植物模拟方法近视点模糊缺陷问题,提出了一种基于三层植物模型的大规模植物模拟方法。该方法将大规模植物分为精度高的几何网格模型层、精度适中的impostor模型层和精度低的billboard模型层三层。根据植物到视点的距离,动态加载相应层中的模型,即当植物距视点较近时,加载精度高的几何网格模型层中的模型;当植物距
针对目前量化隐写分析对嵌入率较低的图像检测效果不好的问题,提出了一种分层量化隐写分析的思想。采用与负载值大小变化相关的权重系数构成的损失函数进行检测,并估计出负载值变化区间,然后对评估后的结果进行分段,使用增大相应分段权值的损失函数进行二次检测。实验结果表明,与经典的梯度增量树的算法比较,提出的加权思想以及分层检测法对负载值低的图像检测效果有所提升,整体检测具有较高的准确率。