感知质量优化的移动群智感知任务在线分发算法

摘要：

感知质量优化和用户招募是移动群智感知的两个重要问题,随着数据量的大幅度增加,感知内容出现冗余,存在感知质量降低的风险.提出了一种感知质量优化的任务分发机制,在保证覆盖率的情况下,提高群体的感知质量.利用聚类算法评估任务真值,量化用户数据质量;基于汤普森抽样算法和贪婪算法设计并实现了一种用户招募策略,在保证任务空间覆盖率的基础上优化感知质量.针对TSUR(Thompson based user recruit)算法的性能进行仿真分析,并与已有的BBTA(bandit-based task assignment)算法和BUR(basic user recruitment)算法作比较.实验表明,在同一区域进行任务感知,与BBTA算法和BUR算法相比,累计感知质量分别提高了16％和20％,空间覆盖率分别提高了30％和22％.

关键词：移动群智感知、任务分发、数据质量、在线学习

所属期刊栏目：4

分类号：TP393.01(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;北京市青年拔尖人才项目、北京市属高校高水平教师队伍建设支持计划青年拔尖人才培育计划资助项目;网络文化与数字传播北京市重点实验室开放课题资助项目;北京信息科技大学"勤信人才"培育计划资助项目

在线出版日期：2021-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：91-97