移动数据挖掘是指对移动设备中大规模数据进行挖掘和分析的过程,获取有用的信息和知识,以支持移动应用和服务的开发和改进。区块链是一种分布式的、去中心化的数据库技术,可以实现在网络中多方之间安全地传输信息、交易资产,不依赖于中...移动数据挖掘是指对移动设备中大规模数据进行挖掘和分析的过程,获取有用的信息和知识,以支持移动应用和服务的开发和改进。区块链是一种分布式的、去中心化的数据库技术,可以实现在网络中多方之间安全地传输信息、交易资产,不依赖于中心化的机构或第三方信任机构。然而,面对复杂的移动数据场景,现有的隐私保护、索引选择等方法存在诸多不足,如无法高效处理大数据量的加解密任务、区块链上数据分布不均、无法有效应对移动设备计算能力不足等问题。针对上述不足,提出一种基于移动数据挖掘和区块链的数据共享方法(A Data Sharing Method for Mobile Data Mining and Blockchain,ADS-MB)。ADS-MB集成了密钥分片共享算法,可有效避免密钥被第三方获取或篡改而导致隐私内容泄露。ADS-MB使用基于SM2的改进算法来加强区块链数据的一致性和安全性,同时支持动态的区块链索引维护。实验结果表明,在真实移动业务数据集和WeiboDataShare数据集上,ADS-MB的性能优于现有的数据分享方法。展开更多
综合征监测作为公共医疗卫生政策的主要检测指标,拥有充足且及时的监测信息至关重要。传统流行病学指标监测的滞后和误导会影响病情严重地区的医疗实施方案。使用谷歌趋势搜索量、谷歌移动、电信运营商、英国国家医疗服务体系(National ...综合征监测作为公共医疗卫生政策的主要检测指标,拥有充足且及时的监测信息至关重要。传统流行病学指标监测的滞后和误导会影响病情严重地区的医疗实施方案。使用谷歌趋势搜索量、谷歌移动、电信运营商、英国国家医疗服务体系(National Health Service,NHS)电话119和线上新冠检测请求网站的空间数据,提出一种局部范围内SARS-CoV-2传播和临床风险的早期指标建模方法。利用浅层学习算法作为基准方法训练局部空间神经网络,提出空间集成长短期记忆(Spatio-Integrated Long Short-Term Memory,SI-LSTM)算法和空间集成卷积神经网络长短期记忆(Spatio-Integrated Convolutional Neural Network Long Short-Term Memory,SI-CNN-LSTM)算法。在规定的评估时间周期内,两种算法均能准确识别出疫情感染高风险区域。此外,在基本公共卫生服务项目中,该模型还原了2020年底阿尔法变体、2021年4月德尔塔变体和2021年11月奥密克戎变体在英国境内的局部增长指数,其空间分散性和增长指数得到了临床数据的证实。展开更多
文摘针对电子试验场内存在试验频次较高、频率冲突严重和空间布局有限等问题,基于三维地理信息及设备模型,建立基于Unreal Engine 4(UE4)平台的综合电子试验场。采用计算电磁学方法和远场分析技术,通过时域有限差分(Finte Difference Time-Domain,FDTD)法、一致性绕射理论(Uniform Theory of Diffraction,UTD)、射线跟踪法等算法优化调整场内设备时、空、频参数。提出了一种改进的FDTD网格划分方法,完成场区设备电磁干扰分析。仿真结果表明,提出的仿真系统有一定的有效性和可靠性。
文摘移动数据挖掘是指对移动设备中大规模数据进行挖掘和分析的过程,获取有用的信息和知识,以支持移动应用和服务的开发和改进。区块链是一种分布式的、去中心化的数据库技术,可以实现在网络中多方之间安全地传输信息、交易资产,不依赖于中心化的机构或第三方信任机构。然而,面对复杂的移动数据场景,现有的隐私保护、索引选择等方法存在诸多不足,如无法高效处理大数据量的加解密任务、区块链上数据分布不均、无法有效应对移动设备计算能力不足等问题。针对上述不足,提出一种基于移动数据挖掘和区块链的数据共享方法(A Data Sharing Method for Mobile Data Mining and Blockchain,ADS-MB)。ADS-MB集成了密钥分片共享算法,可有效避免密钥被第三方获取或篡改而导致隐私内容泄露。ADS-MB使用基于SM2的改进算法来加强区块链数据的一致性和安全性,同时支持动态的区块链索引维护。实验结果表明,在真实移动业务数据集和WeiboDataShare数据集上,ADS-MB的性能优于现有的数据分享方法。
文摘综合征监测作为公共医疗卫生政策的主要检测指标,拥有充足且及时的监测信息至关重要。传统流行病学指标监测的滞后和误导会影响病情严重地区的医疗实施方案。使用谷歌趋势搜索量、谷歌移动、电信运营商、英国国家医疗服务体系(National Health Service,NHS)电话119和线上新冠检测请求网站的空间数据,提出一种局部范围内SARS-CoV-2传播和临床风险的早期指标建模方法。利用浅层学习算法作为基准方法训练局部空间神经网络,提出空间集成长短期记忆(Spatio-Integrated Long Short-Term Memory,SI-LSTM)算法和空间集成卷积神经网络长短期记忆(Spatio-Integrated Convolutional Neural Network Long Short-Term Memory,SI-CNN-LSTM)算法。在规定的评估时间周期内,两种算法均能准确识别出疫情感染高风险区域。此外,在基本公共卫生服务项目中,该模型还原了2020年底阿尔法变体、2021年4月德尔塔变体和2021年11月奥密克戎变体在英国境内的局部增长指数,其空间分散性和增长指数得到了临床数据的证实。
