基于惯性传感器的轻量化卷积神经网络跌倒检测算法

在可穿戴式跌倒检测终端中部署微型机器学习模型,存在计算力弱、内存受限和传统机器学习算法手动选取特征不完善等问题,提出一种基于惯性传感器的轻量化卷积神经网络跌倒检测算法,设计并实现了高精度可穿戴式跌倒检测系统。该算法自动从跌倒数据中提取更完善的数据特征和采用深度方向可分离卷积,将标准卷积分解成深度方向卷积和点方向卷积,在只失去0.2%跌倒检测精度下,卷积层参数量减少75.32%,使之更适于资源受限的嵌入式终端中部署。实验结果表明该算法在实际跌倒测试环境中,平均准确率、敏感度和特异性分别达到了99.29%、98.00%和100.00%。该算法相比其他算法既减少了模型大小和计算量,又保证了跌倒检测精度,该系统的成功研发为老年人跌倒检测与报警提供了新的途径。

一种路网环境下LBS隐私保护算法

近年来,基于位置服务(LBS)的应用越来越广泛.用户在享受这种位置服务带来的方便快捷之同时,也要承担可能暴露自身隐私信息(如位置等)的风险.目前,很多工作已经在诸如保护用户隐私信息方面取得了重大进展,但大多是集中于欧氏空间下的隐私保护技术,而路网环境下的隐私保护研究相对较少.针对路网环境下用户边权分布不均的问题,提出了基于哑元的边权均衡算法,即在保证匿名集中各路段邻近性的同时,以生成哑元的方式均衡各边边权分布.这样既能最大程度降低查询代价,又能使边权分布不会太分散.最后,通过实验验证了本算法的有效性,同时显示该算法还能有效防止边权分布不均引发的推断攻击.

一种基于代理服务的位置隐私保护方法

针对无线移动网络中通过代理用户进行位置服务时,不可信赖的代理用户可能带来隐私泄露和区域匿名查询造成通信代价过高等问题,提出了kAgPrivacy方法.首先,查询用户通过用户之间协作形成匿名组,然后将匿名组形成的泛化区域代替真实单一位置发送给代理用户进行位置服务.这样既避免用户和位置服务商的直接联系,也避免了代理用户的不可信性造成的隐私泄露问题.同时,采用增量近邻查询,保证了查询结果准确性;采用Voronoi图技术进行查询返回结果过滤,可减少系统通信开销.最后通过和其它算法比较,验证了本文方法的有效性.