目錄
第1章 緒論 1
1.1 智慧物聯(lián)網(wǎng)概念及演進 1
1.1.1 智慧物聯(lián)網(wǎng)概念 1
1.1.2 智慧物聯(lián)網(wǎng)演進 2
1.2 智慧物聯(lián)網(wǎng)架構與應用 3
1.2.1 智慧物聯(lián)網(wǎng)架構 3
1.2.2 智慧物聯(lián)網(wǎng)應用 6
1.3 智慧物聯(lián)網(wǎng)多模態(tài)服務技術研究進展 7
1.3.1 多模態(tài)數(shù)據(jù)感知服務技術 8
1.3.2 多模態(tài)數(shù)據(jù)推理服務技術 9
1.3.3 多模態(tài)數(shù)據(jù)搜尋服務技術 11
1.3.4 多模態(tài)情感計算服務技術 12
1.4 智慧物聯(lián)網(wǎng)多模態(tài)服務技術面臨問題與挑戰(zhàn) 14
1.4.1 多模態(tài)數(shù)據(jù)感知服務技術 14
1.4.2 多模態(tài)數(shù)據(jù)推理服務技術 15
1.4.3 多模態(tài)數(shù)據(jù)搜尋服務技術 16
1.4.4 多模態(tài)情感計算服務技術 16
參考文獻 17
第2章 群組協(xié)作的多模態(tài)感知服務技術 19
2.1 多模態(tài)感知服務研究現(xiàn)狀及主要挑戰(zhàn) 19
2.1.1 多模態(tài)感知服務研究現(xiàn)狀 19
2.1.2 多模態(tài)感知服務主要挑戰(zhàn) 21
2.2 移動多模態(tài)感知服務系統(tǒng)設計 22
2.2.1 移動多模態(tài)感知系統(tǒng)模型 22
2.2.2 移動多模態(tài)感知問題建模 23
2.3 偏好感知的社交群組生成方法 25
2.3.1 領導節(jié)點選取 25
2.3.2 社交群組生成 27
2.4 效用優(yōu)化的任務群組匹配方法 30
2.4.1 任務群組生成建模 31
2.4.2 任務群組生成求解 32
2.5 多模態(tài)感知算法性能驗證 33
2.5.1 仿真環(huán)境設置 33
2.5.2 仿真結果分析 35
2.6 本章小結 39
參考文獻 39
第3章 跨層協(xié)同的遮擋目標識別技術 41
3.1 遮擋目標識別研究現(xiàn)狀及主要挑戰(zhàn) 41
3.1.1 遮擋目標識別研究現(xiàn)狀 41
3.1.2 遮擋目標識別主要挑戰(zhàn) 42
3.2 云-邊-端協(xié)同遮擋目標識別架構 44
3.3 特征優(yōu)化的兩階段識別模型 46
3.3.1 相似度估計的輕量化檢測 46
3.3.2 潛在特征增強的柔性邊界識別 47
3.4 情境感知的模型分區(qū)方法 49
3.4.1 識別模型時延優(yōu)化圖抽象 49
3.4.2 情境感知的分區(qū)策略 51
3.5 遮擋目標識別算法性能驗證 54
3.5.1 仿真環(huán)境設置 54
3.5.2 仿真結果分析 55
3.6 本章小結 62
參考文獻 62
第4章 資源高效的多模態(tài)聯(lián)邦計算技術 64
4.1 多模態(tài)聯(lián)邦計算研究現(xiàn)狀及主要挑戰(zhàn) 64
4.1.1 多模態(tài)聯(lián)邦計算研究現(xiàn)狀 64
4.1.2 多模態(tài)聯(lián)邦計算主要挑戰(zhàn) 66
4.2 云-邊-端協(xié)同多模態(tài)聯(lián)邦計算架構 67
4.2.1 多模態(tài)聯(lián)邦學習模型 67
4.2.2 分層混合聚合模型 69
4.3 資源重均衡的客戶端選擇 71
4.3.1 客戶端群組劃分 71
4.3.2 客戶端動態(tài)選擇 72
4.4 自組織多模態(tài)聯(lián)邦計算 72
4.4.1 協(xié)作集合發(fā)現(xiàn) 73
4.4.2 協(xié)同訓練任務建模 74
4.4.3 聯(lián)邦協(xié)同訓練 75
4.5 多模態(tài)聯(lián)邦計算性能驗證 76
4.5.1 仿真環(huán)境設置 76
4.5.2 仿真結果分析 78
4.6 本章小結 84
參考文獻 84
第5章 跨域遷移的多模態(tài)**服務技術 86
5.1 多模態(tài)**研究現(xiàn)狀及主要挑戰(zhàn) 86
5.1.1 AIoT多模態(tài)**研究現(xiàn)狀 86
5.1.2 AIoT多模態(tài)**主要挑戰(zhàn) 88
5.2 邊云協(xié)同多模態(tài)**架構 89
5.3 用戶興趣跨域遷移方法 91
5.3.1 輔助域用戶相似度學習 94
5.3.2 遷移權重 的確定 95
5.4 多模態(tài)**算法性能驗證 96
5.4.1 仿真環(huán)境設置 96
5.4.2 仿真結果分析 97
5.5 本章小結 102
參考文獻 103
第6章 個性增強的實體加密搜尋服務技術 105
6.1 實體加密搜尋研究現(xiàn)狀及主要挑戰(zhàn) 105
6.1.1 實體加密搜尋研究現(xiàn)狀 105
6.1.2 實體加密搜尋主要挑戰(zhàn) 107
6.2 邊云協(xié)同的個性化加密搜索系統(tǒng)模型 108
6.2.1 個性化加密搜索系統(tǒng)架構設計 108
6.2.2 個性化加密搜索系統(tǒng)威脅模型 110
6.3 時間跨度融合的個性化搜索方法 110
6.3.1 實體評論特征提取 111
6.3.2 用戶個性化偏好感知 112
6.3.3 時間衰減的個性化排序 113
6.4 邊云協(xié)同的個性化實體加密搜索方法 114
6.4.1 個性化實體搜索匹配方法 115
6.4.2 邊云協(xié)同的個性化安全搜索 117
6.5 實體加密搜尋算法性能驗證 118
6.5.1 仿真環(huán)境設置 118
6.5.2 仿真結果分析 119
6.6 本章小結 125
參考文獻 125
第7章 性格感知的多模態(tài)情感分析服務技術 127
7.1 多模態(tài)情感分析研究現(xiàn)狀及主要挑戰(zhàn) 127
7.1.1 多模態(tài)情感分析研究現(xiàn)狀 127
7.1.2 多模態(tài)情感分析主要挑戰(zhàn) 129
7.2 多模態(tài)情感分析系統(tǒng)模型 129
7.2.1 多模態(tài)情感分析問題描述 130
7.2.2 多模態(tài)情感分析系統(tǒng)架構 130
7.2.3 性格特征自適應挖掘方法 131
7.3 性格特征耦合的端到端情感分析方法 134
7.3.1 交互注意力融合網(wǎng)絡 135
7.3.2 多任務學習方法 136
7.4 多模態(tài)情感分析算法性能驗證 139
7.4.1 仿真環(huán)境設置 139
7.4.2 仿真結果分析 141
7.5 本章小結 148
參考文獻 148