基于双向LSTM神经网络的可穿戴跌倒预警研究

为了在老年人跌倒之前进行预判并及时触发跌倒防护气囊,防止跌倒对老年人身心造成严重伤害,提出了基于双向长短期记忆神经网络的轻量级跌倒预测算法,采用深度学习模型自动提取加速度计数据深层特征,省去因人工提取跌倒数据特征所消耗的时间,提升了跌倒预测模型的泛化能力。首先根据跌倒落地时刻和前置时间截取数据窗口作为输入;其次设计轻量级双向长短期记忆神经网络提取加速度特征并预测跌倒;最后借助TensorFlow Lite框架对模型进行轻量化改造。实验结果表明所提算法在SisFall跌倒公开数据集中获得了96.92%的准确率,95.73%的敏感度,98.15%的特异度,跌倒前置反应时间达215 ms,足以触发跌倒防护气囊。对应的TensorFlow Lite模型所占空间大小仅为62.2 kB,算法运行时间为1.20 ms,有望部署在嵌入式可穿戴终端,进行实时跌倒预测。所提算法实现了更高的预测精度并具有较长的跌倒预警时间,更适于资源受限的嵌入式设备,为老年人跌倒预测和可穿戴式跌倒保护装置的开发提供了进一步的参考。

一种物联网入侵检测和成员推理攻击研究

为适应物联网节点计算能力弱、存储空间不足和敏感数据易受攻击等特点,提出一种新的融合卷积神经网络和差分隐私的轻量级入侵检测模型,使模型更好适应物联网苛刻的资源环境。首先,使用MinMax算法对原始流量数据进行归一化预处理;其次,设计轻量级卷积神经网络提取流量特征并进行分类;最后使用差分隐私算法对模型可能遇到的成员推理攻击进行防御。新算法在UNSW_NB15等入侵检测数据集上进行了实验,所提模型准确率达到98.98%,精确率达到98.05%,模型大小控制在200 KB左右,相比于DAE-OCSVM算法准确率提高了2.81%,适用于物联网资源有限环境下要求的高精度入侵检测;同时,针对模型可能遇到的成员推理攻击进行研究,算法在融入差分隐私算法后降低了20.96%的成员推理攻击。

通过精神分裂症差异基因建立针对结肠癌的预后分析及预测模型

目的 本研究旨在探索精神分裂症与结肠癌之间差异基因的相关性,以及这些差异基因对结肠癌发生发展的影响,并建立结肠癌预后生存的风险评估模型。方法 从基因表达综合数据库(GEO)中选取精神分裂症(SCZ)数据集,并从TCGA数据库获得结肠癌(COAD)相关基因。对SCZ数据集进行Limma分析,鉴定差异表达基因(DEG)。通过机器学习鉴定最小绝对收缩和选择运算符(Lasso-Cox)回归用于识别与COAD生存预后相关的候选基因,并最终得到4个风险相关基因用于建立COAD的风险模型。绘制ROC曲线和Kaplan-Meier(KM)分析曲线用于评估模型的诊断效果和预后生存能力。然后建构预后模型并验证其预测性能。最后我们对这4个基因进行GSVA富集分析和免疫浸润分析以探讨其与COAD预后相关的可能机制。结果 通过筛选,我们找到了4个与COAD预后相关的候选基因(ATP6V1B1、C1orf61、CCKBR、CRHR1),并构建了预测模型(C-index为:0.750)(AUC 1年0.84,AUC 3年0.80,AUC 5年0.80)(KM中P=2.3×10-10)。这些基因显示出较高的诊断和预测价值。此外,这4个基因与免疫细胞浸润有较强的关系,可能是导致COAD预后差异的原因。结论 本研究成功建构了一个包含4个候选基因的预后模型,具有较高的诊断和预测价值。这些基因可能与免疫细胞浸润有关,为揭示COAD的预后差异提供了新的视角。

一种基于无线传感器网络安全的社区卫生保健监护系统设计

设计并实现了一种基于无线传感器网络带安全机制的社区卫生保健监护系统,为了避免无线网络通信中信息泄漏和受到攻击,在现有传感器网络节点资源受限情况下,采用椭圆曲线密码体制及相关算法,有效地实现了加密系统中复杂的密钥管理功能,通过椭圆曲线加密和数字签名技术有效防止人体生理参数等敏感数据的泄漏,同时提出了一个切实可行的系统架构并加以实现。实验结果表明,系统能抵御网络潜在的无线信号窃听和内部攻击。

无线医疗传感器网络中基于Feistel加密算法研究

医疗卫生领域是无线传感器网络的一个热点应用领域,如何保障个人隐私信息在无线传感器网络中不被泄漏是系统能否成功应用的关键。分析研究Feistel加密结构和数据加密标准DES后,设计并实现了两种基于Feistel加密结构新算法(SF_noSBox和SF_SBox算法),应用于无线医疗传感器网络传输过程中人体生理参数敏感数据的加密和解密,取得较好效果。最后对算法效率、安全性和占用空间等进行了比较分析。实验数据表明,新算法在资源消耗和安全强度之间达到了有效平衡。

一种基于确定性理论的无线传感器网络信任机制nTRUST

信任机制作为一种安全保护机制,目前在无线传感器网络安全中有着显著效果并得到广泛应用。基于不确定性推理中的确定性理论,提出了一种新的无线传感器网络信任模型――nTRUST,该模型采用综合信任值作为评价节点信任依据,相关实验证实了nTRUST的有效性和可行性。同时,在nTRUST信任机制作用下,进一步考虑节点剩余能量,通过实验取得较好效果,改进后的模型可以达到均衡网络内节点能量消耗和延长整个网络生存周期目的。

基于无线传感器网络的社区保健监测系统

以躯域传感网络技术为载体,结合无线传感器网络在社区的合理安置,研究人体生理参数的无创连续监测技术以及穿戴式医疗仪器开发,设计了一个适用于慢性病人(如糖尿病人)的社区无线医疗保健监测网络系统;同时设计出一种新的无线传感器网络低能量数据汇聚模型——集合汇聚模型,把此模型应用于本系统以期达到降低能耗延长网络生命周期目的.最后,提出了在人体生理数据处理过程中需考虑的数据分级处理和安全问题.

无线传感器网络簇内可疑节点的博弈检测方法

针对无线传感器网络内部可能存在行为异常的可疑节点问题,在分簇路由协议的基础上,采用博弈方法通过簇内多个邻居节点对某一可疑节点进行判定,邻居节点产生的检测结果传输至簇头进行汇总.簇头节点统计结果并采用多数投票方式对可疑节点进行判定.为了保证数据传输的安全性,采用对称加密算法对各检测节点判定结果进行加密.若可疑节点是恶意节点,则该判定结果将在簇内广播,以达到隔离可疑节点的目的.为了更符合实际环境,在博弈模型判定时,考虑攻防双方节点的能量消耗.实验结果表明,该多检测节点方案能够较好地分析无线传感器网络中可疑入侵节点和检测系统之间的博弈关系,提高了对可疑节点判定的准确性.

无线传感器网络的异构性研究

随着无线通信技术和微电子技术的快速发展,低成本、高度集成和自组织的无线传感器网络将会逐渐普及。首先总结归纳了无线传感器网络异构性的几种表现形式,如计算能力异构性、节点能量异构性、链路异构性及网络协议异构性,然后介绍了异构无线传感器网络层次网络体系结构和两种适用于无线传感器网络的标准.最后对无线传感器网络的安全问题进行简单探讨。

无线传感器网络中基于安全数据融合的恶意节点检测

无线传感器网络的一些固有特点,如节点能量、存储空间和计算处理能力均有限,网络节点布署在野外而无人值守,节点易被敌方捕获,因而网络内部易存在恶意节点。本文在分析Atakli等人提出的WTE方案基础上,提出了一种新的基于安全数据融合的恶意节点检测算法(MNDSDF)。针对节点数目较多层次型的无线传感器网络,MNDSDF算法首先在WTE权值融合的思想上添加了高信誉值过滤机制,来检测恶意采集节点;其次针对WTE和WCF只允许簇内单跳和融合结果受恶意节点影响较大等不足,提出了数据包计数的策略,来检测恶意转发节点。与WTE相比,MNDSDF算法能抵制更多种攻击行为,适应更宽泛的路由协议。通过仿真实验,MNDSDF算法可以有效检测出部分恶意行为,并经过与WTE和WCF比较,具有更高检测率和更低误检率。

无线传感器网络中基于信誉-投票机制的恶意节点检测

针对无线传感器网络节点易被捕获,导致网络中可能存在恶意节点等特点,提出了一种基于信誉-投票合作机制的恶意节点检测算法MNDRVM.该算法不同于以往的恶意节点检测方法,它利用基站广播控制信息给网内所有节点,邻居节点根据收到信息对被检测节点给出信誉评价后进行投票,最后依据有无嫌疑得票情况判断是否为恶意节点.该算法支持多种路由协议,通过仿真实验显示,该算法和WTE算法及多元分类检测算法相比,具有较好的检测率和较低的误检率.

一种改进的传感器网络分簇分层路由协议

在分析了无线传感器网络中传统的LEACH和LEACH-C路由协议基础上,结合MTE路由协议思想,提出了一种新的改进型分簇分层路由协议(improved clustering hierarchical routing protocol,ICH).文中簇首节点可以采用多跳方式传输数据包,且在选择中继节点时考虑节点剩余能量,对进入下一轮的条件进行了限制.实验表明,改进后的ICH协议的节点存活率比LEACH-C好.

妊娠期高血压疾病患者乳酸脱氢酶水平的变化及其对妊娠结局的影响

目的探讨妊娠期高血压疾病患者乳酸脱氢酶(LDH)水平的变化及其对妊娠结局的影响。方法选择妊娠期高血压疾病患者42例,根据高血压程度不同分为重症组(n=20)和轻症组(n=22),另选取同期住院正常孕产妇25例为对照组。观察各组血清乳酸、LDH、尿酸(UA)、尿微量白蛋白(mAlb)水平的变化及妊娠结局。结果重症组及轻症组血清乳酸及LDH含量均明显高于对照组,且随病情加重,血清乳酸及LDH水平呈上升趋势,差异有统计学意义(P<0.01);与LDH≤240IU/L者比较,LDH>240IU/L者的UA及mAlb水平明显升高;UA、mAlb与LDH浓度呈正相关(r值分别为0.416、0.398,P<0.05);围产儿体质量、Apgar评分明显降低(P<0.01)。结论妊娠期高血压疾病患者LDH水平随病情严重程度而升高,LDH水平与妊娠结局密切相关,可作为判断孕产预后的辅助指标。

血浆CA125、SF和血清铁测定对卵巢肿瘤患者诊断的临床价值

近年来,本文探讨了血浆CA125、血清铁蛋白（SF）和血清铁（Fe）水平对卵巢肿瘤患者诊断的临床价值,现将结果报道如下。1材料和方法1.1一般资料选自我院门诊和住院的75例卵巢肿瘤患者,均经临床明确诊断（其中包括CT、MRI和病理学诊断证实）,其中卵巢癌患者36例,年龄（21～70）岁,平均（44.5±13.1）

无线传感器网络中基于信誉的恶意节点检测

提出一种基于信誉的恶意节点检测方法——RMDMN,在分簇的网络结构基础上,对节点的行为属性(如丢包率、转发率、位置匹配信息等)和网络攻击进行建模,结合阈值比较法动态地更新节点信誉值并进行恶意节点判断.实验仿真显示,该方法具有一定的恶意节点检测能力.

一种泛化约束的(K,L)-匿名算法

针对匿名算法在泛化过程中存在过度泛化从而导致数据可用性降低的问题,提出了一种基于泛化约束的(K,L)匿名算法.为了保证数据的可用性,该算法首先通过MAGVal(maximum alowed generalization value)形成MAM(maximum allowed microdata)来控制准标识属性值的边界范围,然后再进行(K,L)匿名的筛选,从而达到最终匿名保护的目的.实验表明,该算法在保证信息可用性的同时,减小了泛化的时间开销.

基于双向LSTM神经网络可穿戴跌倒检测研究

针对老年人跌倒后不能得到及时救助带来的伤害,研究跌倒检测算法和及时告警,可以减轻跌倒给老年人带来的严重危害和后果。为了提高跌倒检测精确度和实时性,本文提出基于双向长短期记忆神经网络的可穿戴跌倒检测算法,该算法可以对输入的数据(取自惯性传感器)自动提取跌倒行为内部更深层的数据特征,实现数据从预处理到检测结果的过程处理。算法模型通过神经网络提取加速度传感器的特征向量,并利用双向长短期记忆神经网络进行跌倒检测。通过跌倒公开数据集SisFall验证算法模型,结果表明该算法在SisFall实验数据集上具备较高的检测精度,满足准实时检测要求,具有较好的实用性和较强的泛化能力。

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.

基于倾角传感器的山体滑坡实时监测系统设计

滑坡隐患点通常自然环境复杂,难以用人工手段观测,利用卫星定位或光电成像等方法往往成本高、实施难度大。本文采用的监测方法是通过在滑坡隐患现场安装倾角传感器,测量的数据经无线传输,监控服务器再进行智能分析,当山体边坡因雨雪或震动等原因使倾角值超过报警值时,系统会给相关人员手机实时发送报警信息,以便及时采取应对措施,避免伤亡。该监测系统具有灵敏度高、成本低、使用简单的特点,能实现全天候全时段监测,为滑坡监测预警提供一种新的途径。

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。