云边端协同的知识服务:理论与应用

《云边端协同的知识服务：理论与应用》围绕在工业界广泛应用的云计算与边缘计算技术，在扼要介绍传统理论及方法的基础上，系统地论述了著者近10年来在“云-边-端”协同服务领域的理论、算法及应用成果，为读者的进一步研究提供参考。第1章介绍互联网的服务演变、使能技术以及面临的挑战，并分析新型关键技术“云-边-端”协同的研究现状；第2章对内生关系感知的“云-边-端”协同服务架构进行介绍；第3章对“云-边-端”协同的轨迹隐私保护技术进行介绍；第4章对“云-边-端”协同的实体搜索服务技术进行介绍；第5章对“云-边-端”协同的视频缓存分发技术进行介绍；第6章对“云-边-端”协同的情感识别技术进行介绍。

第1章绪论1
1.1互联网网络服务的演变1
1.2互联网服务使能技术2
1.3互联网服务面临的问题及挑战4
1.4“云-边-端”协同服务技术研究现状及发展趋势5
1.5本章小结6
参考文献6
第2章内生关系感知的“云-边-端”协同服务架构8
2.1“云-边-端”协同服务原则与目标8
2.2“云-边-端”协同服务的研究现状及主要挑战11
2.2.1“云-边-端”协同服务的研究现状11
2.2.2“云-边-端”协同服务的主要挑战13
2.3内生关系感知的“云-边-端”协同服务架构模型13
2.3.1上下文感知15
2.3.2信任管理17
2.3.3协同分发19
2.4本章小结21
参考文献21
第3章“云-边-端”协同的轨迹隐私保护技术24
3.1轨迹隐私保护研究现状及主要挑战24
3.1.1国内外研究现状24
3.1.2当前存在的主要挑战26
3.2系统模型与基础理论27
3.2.1系统模型27
3.2.2零知识证明29
3.2.3群签名29
3.2.4本地差分隐私29
3.3基于零知识证明和群签名的匿名认证方法30
3.3.1基于零知识证明的匿名认证方法30
3.3.2基于群签名的匿名认证方法32
3.4“云-边-端”协同的位置及轨迹隐私保护方法35
3.4.1基于空间四叉树的地理位置编码方法36
3.4.2基于本地化差分隐私位置/轨迹数据保护方法37
3.4.3实验分析39
3.5本章小结41
参考文献41
第4章“云-边-端”协同的实体搜索服务技术43
4.1实体搜索服务技术研究现状及主要挑战43
4.1.1研究现状43
4.1.2主要挑战46
4.2实体搜索模型与基础理论48
4.3动态特征提取与高效搜索方案50
4.3.1有效的数据抽象与表征方法51
4.3.2时变性感知的实体状态特征提取方法52
4.3.3“云-边-端”协同的实体状态数据缓存方法54
4.4“云-边-端”协同的实体搜索性能评估56
4.4.1实体分类方法性能验证57
4.4.2实体数据缓存方法性能验证59
4.4.3实体搜索方法性能验证61
4.5本章小结64
参考文献65
第5章“云-边-端”协同的视频缓存分发技术67
5.1技术挑战69
5.2“云-边-端”协同的视频缓存分发模型与基础理论70
5.2.1“云-边-端”协同网络场景70
5.2.2视频缓存分发模型71
5.2.3视频缓存分发问题解耦72
5.3“云-边-端”协同群组兴趣挖掘方案73
5.3.1用户偏好感知的兴趣预测方法75
5.3.2群组社交相似度感知的视频缓存策略76
5.4“边-端”协同无线资源分配方案79
5.5“云-边-端”协同视频缓存分发方案性能评估81
5.5.1用户兴趣预测评估82
5.5.2视频缓存性能评估83
5.5.3视频传输性能评估86
5.6本章小结88
参考文献88
第6章“云-边-端”协同的情感识别技术91
6.1情感识别技术研究现状及主要挑战91
6.2系统模型与基础理论94
6.3用户情感识别的模型迁移方案96
6.3.1EEG信号预处理96
6.3.2特征提取97
6.3.3三维通道映射98
6.3.4卷积神经网络100
6.3.5迁移学习101
6.4“云-边-端”协同的情感识别性能评估102
6.4.1实验设计及数据处理102
6.4.2实验结果及讨论103
6.5本章小结106
参考文献107