多模态服务作为知识构建与服务的纵深化发展，萌发了万物智联时代的诸多新应用、新业态、新模式。本书在现有物联网、人工智能、云计算、边缘计算等使能技术基础上，从多模态数据感知、多模态数据推理、多模态数据搜寻、多模态情感分析等方面论述面向智慧物联网的多模态服务技术及其理论。同时，本书结合作者十余年在相关领域的研究展开探讨，为从事物联网领域研究的同仁提供有益参考。
样章试读
目录
- 目录
第1章 绪论 1
1.1 智慧物联网概念及演进 1
1.1.1 智慧物联网概念 1
1.1.2 智慧物联网演进 2
1.2 智慧物联网架构与应用 3
1.2.1 智慧物联网架构 3
1.2.2 智慧物联网应用 6
1.3 智慧物联网多模态服务技术研究进展 7
1.3.1 多模态数据感知服务技术 8
1.3.2 多模态数据推理服务技术 9
1.3.3 多模态数据搜寻服务技术 11
1.3.4 多模态情感计算服务技术 12
1.4 智慧物联网多模态服务技术面临问题与挑战 14
1.4.1 多模态数据感知服务技术 14
1.4.2 多模态数据推理服务技术 15
1.4.3 多模态数据搜寻服务技术 16
1.4.4 多模态情感计算服务技术 16
参考文献 17
第2章 群组协作的多模态感知服务技术 19
2.1 多模态感知服务研究现状及主要挑战 19
2.1.1 多模态感知服务研究现状 19
2.1.2 多模态感知服务主要挑战 21
2.2 移动多模态感知服务系统设计 22
2.2.1 移动多模态感知系统模型 22
2.2.2 移动多模态感知问题建模 23
2.3 偏好感知的社交群组生成方法 25
2.3.1 领导节点选取 25
2.3.2 社交群组生成 27
2.4 效用优化的任务群组匹配方法 30
2.4.1 任务群组生成建模 31
2.4.2 任务群组生成求解 32
2.5 多模态感知算法性能验证 33
2.5.1 仿真环境设置 33
2.5.2 仿真结果分析 35
2.6 本章小结 39
参考文献 39
第3章 跨层协同的遮挡目标识别技术 41
3.1 遮挡目标识别研究现状及主要挑战 41
3.1.1 遮挡目标识别研究现状 41
3.1.2 遮挡目标识别主要挑战 42
3.2 云-边-端协同遮挡目标识别架构 44
3.3 特征优化的两阶段识别模型 46
3.3.1 相似度估计的轻量化检测 46
3.3.2 潜在特征增强的柔性边界识别 47
3.4 情境感知的模型分区方法 49
3.4.1 识别模型时延优化图抽象 49
3.4.2 情境感知的分区策略 51
3.5 遮挡目标识别算法性能验证 54
3.5.1 仿真环境设置 54
3.5.2 仿真结果分析 55
3.6 本章小结 62
参考文献 62
第4章 资源高效的多模态联邦计算技术 64
4.1 多模态联邦计算研究现状及主要挑战 64
4.1.1 多模态联邦计算研究现状 64
4.1.2 多模态联邦计算主要挑战 66
4.2 云-边-端协同多模态联邦计算架构 67
4.2.1 多模态联邦学习模型 67
4.2.2 分层混合聚合模型 69
4.3 资源重均衡的客户端选择 71
4.3.1 客户端群组划分 71
4.3.2 客户端动态选择 72
4.4 自组织多模态联邦计算 72
4.4.1 协作集合发现 73
4.4.2 协同训练任务建模 74
4.4.3 联邦协同训练 75
4.5 多模态联邦计算性能验证 76
4.5.1 仿真环境设置 76
4.5.2 仿真结果分析 78
4.6 本章小结 84
参考文献 84
第5章 跨域迁移的多模态推荐服务技术 86
5.1 多模态推荐研究现状及主要挑战 86
5.1.1 AIoT多模态推荐研究现状 86
5.1.2 AIoT多模态推荐主要挑战 88
5.2 边云协同多模态推荐架构 89
5.3 用户兴趣跨域迁移方法 91
5.3.1 辅助域用户相似度学习 94
5.3.2 迁移权重 的确定 95
5.4 多模态推荐算法性能验证 96
5.4.1 仿真环境设置 96
5.4.2 仿真结果分析 97
5.5 本章小结 102
参考文献 103
第6章 个性增强的实体加密搜寻服务技术 105
6.1 实体加密搜寻研究现状及主要挑战 105
6.1.1 实体加密搜寻研究现状 105
6.1.2 实体加密搜寻主要挑战 107
6.2 边云协同的个性化加密搜索系统模型 108
6.2.1 个性化加密搜索系统架构设计 108
6.2.2 个性化加密搜索系统威胁模型 110
6.3 时间跨度融合的个性化搜索方法 110
6.3.1 实体评论特征提取 111
6.3.2 用户个性化偏好感知 112
6.3.3 时间衰减的个性化排序 113
6.4 边云协同的个性化实体加密搜索方法 114
6.4.1 个性化实体搜索匹配方法 115
6.4.2 边云协同的个性化安全搜索 117
6.5 实体加密搜寻算法性能验证 118
6.5.1 仿真环境设置 118
6.5.2 仿真结果分析 119
6.6 本章小结 125
参考文献 125
第7章 性格感知的多模态情感分析服务技术 127
7.1 多模态情感分析研究现状及主要挑战 127
7.1.1 多模态情感分析研究现状 127
7.1.2 多模态情感分析主要挑战 129
7.2 多模态情感分析系统模型 129
7.2.1 多模态情感分析问题描述 130
7.2.2 多模态情感分析系统架构 130
7.2.3 性格特征自适应挖掘方法 131
7.3 性格特征耦合的端到端情感分析方法 134
7.3.1 交互注意力融合网络 135
7.3.2 多任务学习方法 136
7.4 多模态情感分析算法性能验证 139
7.4.1 仿真环境设置 139
7.4.2 仿真结果分析 141
7.5 本章小结 148
参考文献 148
京公网安备 11010102004214号