云邊端協(xié)同的知識服務：理論與應用

目錄
第1章緒論1
1.1互聯(lián)網(wǎng)網(wǎng)絡服務的演變1
1.2互聯(lián)網(wǎng)服務使能技術2
1.3互聯(lián)網(wǎng)服務面臨的問題及挑戰(zhàn)4
1.4“云-邊-端”協(xié)同服務技術研究現(xiàn)狀及發(fā)展趨勢5
1.5本章小結6
參考文獻6
第2章內(nèi)生關系感知的“云-邊-端”協(xié)同服務架構8
2.1“云-邊-端”協(xié)同服務原則與目標8
2.2“云-邊-端”協(xié)同服務的研究現(xiàn)狀及主要挑戰(zhàn)11
2.2.1“云-邊-端”協(xié)同服務的研究現(xiàn)狀11
2.2.2“云-邊-端”協(xié)同服務的主要挑戰(zhàn)13
2.3內(nèi)生關系感知的“云-邊-端”協(xié)同服務架構模型13
2.3.1上下文感知15
2.3.2信任管理17
2.3.3協(xié)同分發(fā)19
2.4本章小結21
參考文獻21
第3章“云-邊-端”協(xié)同的軌跡隱私保護技術24
3.1軌跡隱私保護研究現(xiàn)狀及主要挑戰(zhàn)24
3.1.1國內(nèi)外研究現(xiàn)狀24
3.1.2當前存在的主要挑戰(zhàn)26
3.2系統(tǒng)模型與基礎理論27
3.2.1系統(tǒng)模型27
3.2.2零知識證明29
3.2.3群簽名29
3.2.4本地差分隱私29
3.3基于零知識證明和群簽名的匿名認證方法30
3.3.1基于零知識證明的匿名認證方法30
3.3.2基于群簽名的匿名認證方法32
3.4“云-邊-端”協(xié)同的位置及軌跡隱私保護方法35
3.4.1基于空間四叉樹的地理位置編碼方法36
3.4.2基于本地化差分隱私位置/軌跡數(shù)據(jù)保護方法37
3.4.3實驗分析39
3.5本章小結41
參考文獻41
第4章“云-邊-端”協(xié)同的實體搜索服務技術43
4.1實體搜索服務技術研究現(xiàn)狀及主要挑戰(zhàn)43
4.1.1研究現(xiàn)狀43
4.1.2主要挑戰(zhàn)46
4.2實體搜索模型與基礎理論48
4.3動態(tài)特征提取與高效搜索方案50
4.3.1有效的數(shù)據(jù)抽象與表征方法51
4.3.2時變性感知的實體狀態(tài)特征提取方法52
4.3.3“云-邊-端”協(xié)同的實體狀態(tài)數(shù)據(jù)緩存方法54
4.4“云-邊-端”協(xié)同的實體搜索性能評估56
4.4.1實體分類方法性能驗證57
4.4.2實體數(shù)據(jù)緩存方法性能驗證59
4.4.3實體搜索方法性能驗證61
4.5本章小結64
參考文獻65
第5章“云-邊-端”協(xié)同的視頻緩存分發(fā)技術67
5.1技術挑戰(zhàn)69
5.2“云-邊-端”協(xié)同的視頻緩存分發(fā)模型與基礎理論70
5.2.1“云-邊-端”協(xié)同網(wǎng)絡場景70
5.2.2視頻緩存分發(fā)模型71
5.2.3視頻緩存分發(fā)問題解耦72
5.3“云-邊-端”協(xié)同群組興趣挖掘方案73
5.3.1用戶偏好感知的興趣預測方法75
5.3.2群組社交相似度感知的視頻緩存策略76
5.4“邊-端”協(xié)同無線資源分配方案79
5.5“云-邊-端”協(xié)同視頻緩存分發(fā)方案性能評估81
5.5.1用戶興趣預測評估82
5.5.2視頻緩存性能評估83
5.5.3視頻傳輸性能評估86
5.6本章小結88
參考文獻88
第6章“云-邊-端”協(xié)同的情感識別技術91
6.1情感識別技術研究現(xiàn)狀及主要挑戰(zhàn)91
6.2系統(tǒng)模型與基礎理論94
6.3用戶情感識別的模型遷移方案96
6.3.1EEG信號預處理96
6.3.2特征提取97
6.3.3三維通道映射98
6.3.4卷積神經(jīng)網(wǎng)絡100
6.3.5遷移學習101
6.4“云-邊-端”協(xié)同的情感識別性能評估102
6.4.1實驗設計及數(shù)據(jù)處理102
6.4.2實驗結果及討論103
6.5本章小結106
參考文獻107