CN107578258A - 一种智能景区旅游服务公平性游客评价控制系统 - Google Patents

Abstract

本发明属于旅游服务评价领域，公开了一种智能景区旅游服务公平性游客评价控制系统。该智能景区旅游服务公平性游客评价控制系统包括云端、无线网络、移动终端。其中，移动终端包括监测模块、更新模块、数据处理模块、统计模块和无线通信模块。本发明运用云端的方式可以保护用户数据的安全并且节约成本，为我们的生活带来了极大的便利。并且该系统评价功能较全，展示信息较为丰富，服务人员也可以用移动终端登陆云端，及时查看评价信息，了解自己的不足之处，使消费者权益得到及时的保障。

Description

一种智能景区旅游服务公平性游客评价控制系统

技术领域

本发明属于旅游服务评价领域，尤其涉及一种智能景区旅游服务公平性游客评价控制系统。

背景技术

旅游近年来持续升温,旅游服务是一定经济发展阶段的一种综合性服务现象,是发生在旅游服务提供者和接受者之间的一种无形性的互动,旅游服务的供需双方在交换中实现了各自利益的满足,但互动过程不涉及权的转移。在旅游服务实施的过程当中，出现了许多消费者权益受到侵犯的问题，这就需要一种服务评价控制系统。然而，现有的评价系统，可能用户数据信息存储不安全，功能单一，展示信息不丰富，与服务人员互动较小，这给消费者维权带来了许多困扰。

综上所述，现有技术存在的问题是：现有的评价系统功能单一，展示信息不丰富，与服务人员互动效果差，给消费者维权带来许多困扰。

发明内容

针对现有技术存在的问题，本发明提供了一种智能景区旅游服务公平性游客评价控制系统。

本发明是这样实现的，一种智能景区旅游服务公平性游客评价控制系统，所述智能景区旅游服务公平性游客评价控制系统包括包括：云端、无线网络、移动终端；

移动终端通过无线网络与云端通过蓝牙或WIFI进行无线通信；

所述无线网络的转发节点组的选择方法包括：节点h发送数据包给目的节点，h+i是节点h的一个邻居节点，如果其靠近最远邻居节点并且有更多的剩余能量，则邻居节点h+i可作为候选转发节点。对这些合适的候选节点依据到能量等效节点的距离和每个节点的剩余能量排序：

d_h+i-d_h为节点h和其邻居节点h+i之间的距离；E_h+i代表节点h+i的剩余能量。N(h)为选出的节点h的候选转发节点。P(h+i)的值越大，节点优先级越高；最高优先级的候选转发节点作为下一个转发节点；

所述移动终端的时频重叠信号的归一化高阶累积量方程组构建方法包括：

接收信号的信号模型表示为：

r(t)＝x₁(t)+x₂(t)+…+x_n(t)+v(t)

其中，x_i(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θ_ki表示对各个信号分量载波相位的调制，f_ci为载波频率，A_ki为第i个信号在k时刻的幅度，T_si为码元长度，p_i(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ²的平稳高斯白噪声；

混合信号的高阶累积量公式如下：

两边同时除以混合信号的二阶矩k/2次方：

进一步变形为：

其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λ_v。由于高斯白噪声的高阶累积量为0，所以上式可以表示为：

由此，构建归一化高阶累积量方程组：

所述云端的数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率，具体包括：

第一步，根据各个节点的信噪比γ_i为每一个参与合作感知的次级用户CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

其中：

移动终端包括监测模块、更新模块、数据处理模块、统计模块、无线通信模块；

监测模块，用于响应移动终端的开机操作，使移动终端进入服务评价界面；

更新模块，用于每隔预定时间更新该服务评价界面，便于用户及时了解服务信息；

数据处理模块，用于响应用户在该服务评价界面的输入操作，生成及存储评价信息，及通过该无线通信模块发送该评价信息到云端；

统计模块，用于统计一段时间内服务对象对使用该移动终端的旅游服务人员的评价信息，生成评价结果；

无线通信模块，用于移动终端发送评价信息到云端和云端发送更新信息给移动终端。

进一步，所述无线通信模块对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：

l_i＝(x_i,y_i)；

其中x_i，y_i分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：

n_i＝(n_i,1,n_i,2,...,n_i,c)；

其中n_i,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；

基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：

其中β是一个0-1之间的权重系数；

使用K-Means聚类方法，对小区内所有的用户D进行聚类，u_i＝{l_i,n_i}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D₁,…,D_C}，数学模型上是对下式求最小值：

其中γ_k为用户群的中心；

所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：

步骤一，从D中随机取C个用户，作为C个用户群的中心；

步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；

步骤三，根据聚类结果，更新C个用户群的中心γ_k＝{l_k,n_k}，用如下公式：

其中m_i是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。

本发明的优点及积极效果为：运用云端的方式，可以保护用户数据的安全并且节约成本，为我们的生活带来了极大的便利。并且该系统评价功能较全，展示信息较为丰富，服务人员也可以用移动终端登陆云端，及时查看评价信息，了解自己的不足之处，使消费者权益得到及时的保障。

附图说明

图1是本发明实施例提供的智能景区旅游服务公平性游客评价控制系统结构示意图；

图中：1、云端；2、无线网络；3、移动终端。

图2是本发明实施例提供的移动终端的结构示意图；

图中：4、监测模块；5、更新模块；6、数据处理模块；7、统计模块；8、无线通信模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1和图2所示，本发明实施例提供的智能景区旅游服务公平性游客评价控制系统包括：云端1、无线网络2、移动终端3。

移动终端3通过无线网络2与云端1通过蓝牙或WIFI进行无线通信。

移动终端3包括监测模块4、更新模块5、数据处理模块6、统计模块7、无线通信模块8。

监测模块4，用于响应移动终端的开机操作，使移动终端进入服务评价界面。

更新模块5，用于每隔预定时间更新该服务评价界面，便于用户及时了解服务信息。

数据处理模块6，用于响应用户在该服务评价界面的输入操作，生成及存储评价信息，及通过该无线通信模块发送该评价信息到云端。

统计模块7，用于统计一段时间内服务对象对使用该移动终端的旅游服务人员的评价信息，生成评价结果。

无线通信模块8，用于移动终端发送评价信息到云端和云端发送更新信息给移动终端。

所述无线网络的转发节点组的选择方法包括：节点h发送数据包给目的节点，h+i是节点h的一个邻居节点，如果其靠近最远邻居节点并且有更多的剩余能量，则邻居节点h+i可作为候选转发节点。对这些合适的候选节点依据到能量等效节点的距离和每个节点的剩余能量排序：

d_h+i-d_h为节点h和其邻居节点h+i之间的距离；E_h+i代表节点h+i的剩余能量。N(h)为选出的节点h的候选转发节点。P(h+i)的值越大，节点优先级越高；最高优先级的候选转发节点作为下一个转发节点；

所述移动终端的时频重叠信号的归一化高阶累积量方程组构建方法包括：

接收信号的信号模型表示为：

r(t)＝x₁(t)+x₂(t)+…+x_n(t)+v(t)

其中，x_i(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θ_ki表示对各个信号分量载波相位的调制，f_ci为载波频率，A_ki为第i个信号在k时刻的幅度，T_si为码元长度，p_i(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ²的平稳高斯白噪声；

混合信号的高阶累积量公式如下：

两边同时除以混合信号的二阶矩k/2次方：

进一步变形为：

其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λ_v。由于高斯白噪声的高阶累积量为0，所以上式可以表示为：

由此，构建归一化高阶累积量方程组：

所述云端的数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率，具体包括：

第一步，根据各个节点的信噪比γ_i为每一个参与合作感知的次级用户CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

其中：

所述无线通信模块对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：

l_i＝(x_i,y_i)；

其中x_i，y_i分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：

n_i＝(n_i,1,n_i,2,...,n_i,c)；

其中n_i,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；

基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：

其中β是一个0-1之间的权重系数；

使用K-Means聚类方法，对小区内所有的用户D进行聚类，u_i＝{l_i,n_i}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D₁,…,D_C}，数学模型上是对下式求最小值：

其中γ_k为用户群的中心；

所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：

步骤一，从D中随机取C个用户，作为C个用户群的中心；

步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；

步骤三，根据聚类结果，更新C个用户群的中心γ_k＝{l_k,n_k}，用如下公式：

其中m_i是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种智能景区旅游服务公平性游客评价控制系统，其特征在于，所述智能景区旅游服务公平性游客评价控制系统包括包括：云端、无线网络、移动终端；

移动终端通过无线网络与云端通过蓝牙或WIFI进行无线通信；

所述无线网络的转发节点组的选择方法包括：节点h发送数据包给目的节点，h+i是节点h的一个邻居节点，如果其靠近最远邻居节点并且有更多的剩余能量，则邻居节点h+i可作为候选转发节点；对这些合适的候选节点依据到能量等效节点的距离和每个节点的剩余能量排序：

<mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>h</mi> <mo>+</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>E</mi> <mrow> <mi>h</mi> <mo>+</mo> <mi>i</mi> </mrow> </msub> <msup> <mrow> <mo>|</mo> <mrow> <msub> <mi>d</mi> <mrow> <mi>h</mi> <mo>+</mo> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mi>R</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>|</mo> </mrow> <mn>2</mn> </msup> </mfrac> <mo>*</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>d</mi> <mrow> <mi>h</mi> <mo>+</mo> <mi>i</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>d</mi> <mi>h</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mi>h</mi> <mo>+</mo> <mi>i</mi> <mo>)</mo> <mo>&amp;Element;</mo> <mi>N</mi> <mo>(</mo> <mi>h</mi> <mo>)</mo> <mo>,</mo> <mo>-</mo> <mi>R</mi> <mo>&amp;le;</mo> <mi>i</mi> <mo>&amp;le;</mo> <mi>R</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

d_h+i-d_h为节点h和其邻居节点h+i之间的距离；E_h+i代表节点h+i的剩余能量；N(h)为选出的节点h的候选转发节点；P(h+i)的值越大，节点优先级越高；最高优先级的候选转发节点作为下一个转发节点；

所述移动终端的时频重叠信号的归一化高阶累积量方程组构建方法包括：

接收信号的信号模型表示为：

r(t)＝x₁(t)+x₂(t)+…+x_n(t)+v(t)

<mrow> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>=</mo> <munder> <mi>&amp;Sigma;</mi> <mi>k</mi> </munder> <msub> <mi>A</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>c</mi> </msub> <mi>t</mi> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>kT</mi> <mrow> <mi>s</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>

其中，x_i(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θ_ki表示对各个信号分量载波相位的调制，f_ci为载波频率，A_ki为第i个信号在k时刻的幅度，T_si为码元长度，p_i(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ²的平稳高斯白噪声；

混合信号的高阶累积量公式如下：

<mrow> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <mo>+</mo> <mo>...</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>v</mi> </mrow> </msub> <mo>;</mo> </mrow>

两边同时除以混合信号的二阶矩k/2次方：

<mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>v</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>;</mo> </mrow>

进一步变形为：

<mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mo>...</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>v</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>v</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>v</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> </mrow>

其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λ_v；由于高斯白噪声的高阶累积量为0，所以上式可以表示为：

<mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <mo>...</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>n</mi> </msub> </msub> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>;</mo> </mrow>

由此，构建归一化高阶累积量方程组：

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mn>2</mn> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mn>2</mn> </msup> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <msub> <mi>x</mi> <mi>N</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>N</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>N</mi> </msub> </msub> <mn>2</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mn>3</mn> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mn>2</mn> </msup> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <msub> <mi>x</mi> <mi>N</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>N</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>N</mi> </msub> </msub> <mn>3</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mn>4</mn> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mn>4</mn> </msup> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <msub> <mi>x</mi> <mi>N</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>N</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>N</mi> </msub> </msub> <mn>4</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>...</mn> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

所述云端的数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率，具体包括：

第一步，根据各个节点的信噪比γ_i为每一个参与合作感知的次级用户CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

<mrow> <msub> <mi>P</mi> <mi>f</mi> </msub> <mo>=</mo> <mi>Q</mi> <mrow> <mo>(</mo> <mfrac> <msqrt> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </msubsup> <msup> <msub> <mi>&amp;omega;</mi> <mi>i</mi> </msub> <mn>2</mn> </msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mn>2</mn> <msub> <mi>&amp;gamma;</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> </msqrt> <mrow> <mi>Q</mi> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>d</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <msqrt> <mrow> <msub> <mi>&amp;tau;</mi> <mi>s</mi> </msub> <msub> <mi>f</mi> <mi>s</mi> </msub> </mrow> </msqrt> <mo>(</mo> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </msubsup> <msub> <mi>&amp;omega;</mi> <mi>i</mi> </msub> <msub> <mi>&amp;gamma;</mi> <mi>i</mi> </msub> <mo>+</mo> <mfrac> <mrow> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>C</mi> <mn>0</mn> </msub> </mrow> <msubsup> <mi>&amp;sigma;</mi> <mi>u</mi> <mn>2</mn> </msubsup> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>

其中：

移动终端包括监测模块、更新模块、数据处理模块、统计模块、无线通信模块；

监测模块，用于响应移动终端的开机操作，使移动终端进入服务评价界面；

更新模块，用于每隔预定时间更新该服务评价界面，便于用户及时了解服务信息；

数据处理模块，用于响应用户在该服务评价界面的输入操作，生成及存储评价信息，及通过该无线通信模块发送该评价信息到云端；

统计模块，用于统计一段时间内服务对象对使用该移动终端的旅游服务人员的评价信息，生成评价结果；

无线通信模块，用于移动终端发送评价信息到云端和云端发送更新信息给移动终端。

2.如权利要求1所述的智能景区旅游服务公平性游客评价控制系统，其特征在于，所述无线通信模块对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：

l_i＝(x_i,y_i)；

其中x_i，y_i分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：

n_i＝(n_i,1,n_i,2,...,n_i,c)；

其中n_i,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；

基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：

<mrow> <mi>s</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;beta;</mi> <mfrac> <mrow> <msub> <mi>l</mi> <mi>i</mi> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>l</mi> <mi>j</mi> </msub> </mrow> <mrow> <mo>|</mo> <mo>|</mo> <msub> <mi>l</mi> <mi>i</mi> </msub> <mo>|</mo> <mo>|</mo> <mo>&amp;CenterDot;</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>l</mi> <mi>j</mi> </msub> <mo>|</mo> <mo>|</mo> </mrow> </mfrac> <mo>+</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;beta;</mi> <mo>)</mo> </mrow> <mfrac> <mrow> <msub> <mi>n</mi> <mi>i</mi> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>n</mi> <mi>j</mi> </msub> </mrow> <mrow> <mo>|</mo> <mo>|</mo> <msub> <mi>n</mi> <mi>i</mi> </msub> <mo>|</mo> <mo>|</mo> <mo>&amp;CenterDot;</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>n</mi> <mi>j</mi> </msub> <mo>|</mo> <mo>|</mo> </mrow> </mfrac> <mo>;</mo> </mrow>

其中β是一个0-1之间的权重系数；

使用K-Means聚类方法，对小区内所有的用户D进行聚类，u_i＝{l_i,n_i}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D₁,…,D_C}，数学模型上是对下式求最小值：

<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>C</mi> </munderover> <munder> <mo>&amp;Sigma;</mo> <mrow> <msub> <mi>u</mi> <mi>i</mi> </msub> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <mo>|</mo> <mo>|</mo> <msub> <mi>u</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>&amp;gamma;</mi> <mi>k</mi> </msub> <mo>|</mo> <mo>|</mo> <mo>;</mo> </mrow>

其中γ_k为用户群的中心；

所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：

步骤一，从D中随机取C个用户，作为C个用户群的中心；

步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；

步骤三，根据聚类结果，更新C个用户群的中心γ_k＝{l_k,n_k}，用如下公式：

<mrow> <msub> <mi>l</mi> <mi>k</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> <msub> <mi>y</mi> <mi>i</mi> </msub> </mrow> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>;</mo> </mrow>

<mrow> <msub> <mi>n</mi> <mi>k</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> <msub> <mi>n</mi> <mrow> <mi>i</mi> <mo>,</mo> <mn>1</mn> </mrow> </msub> </mrow> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mfrac> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> <msub> <mi>n</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>c</mi> </mrow> </msub> </mrow> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow> </munder> <msub> <mi>m</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>;</mo> </mrow>

其中m_i是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。