近年來,由于移動(dòng)設(shè)備的大范圍普及,我們可以方便得利用裝有各種傳感器的移動(dòng)設(shè)備去采集周圍環(huán)境中的傳感數(shù)據(jù),比如濕度,溫度,交通狀況等。移動(dòng)群智感知的概念由此而來,它指的是利用用戶的智能設(shè)備去采集環(huán)境數(shù)據(jù),上傳到統(tǒng)一的數(shù)據(jù)處理中心,從而協(xié)同完成某項(xiàng)感知任務(wù)。由于不同的參與者共同完成了數(shù)據(jù)的采集,導(dǎo)致數(shù)據(jù)普遍存在不一致性。比如可能受到環(huán)境中噪音的影響,不同設(shè)備傳感器的精度差異或參與者在收集感知信息過程中各種各樣的私人行為等等。真值發(fā)現(xiàn)就是為了解決這種數(shù)據(jù)差異性而提出的,它旨在基于收集到的數(shù)據(jù)對(duì)其中隱含的真實(shí)值進(jìn)行估測(cè)并對(duì)參與者的可信度做出評(píng)估�，F(xiàn)存的真值發(fā)現(xiàn)算法大多基于大量數(shù)據(jù)聚合后經(jīng)過分析產(chǎn)生精確的評(píng)估結(jié)果,也即精確性依賴于海量數(shù)據(jù),對(duì)于每一個(gè)任務(wù),都需保證能采集到大量數(shù)據(jù)。然而在常見移動(dòng)群智感知場(chǎng)景中,采集到的數(shù)據(jù)通常會(huì)離散地分布在一個(gè)較大的感知區(qū)域中,某一些任務(wù)或許只能收集到非常少的數(shù)據(jù)。在這種情況下,傳統(tǒng)的真值發(fā)現(xiàn)算法因?yàn)槿鄙僮銐虻臄?shù)據(jù)支持,將無法提供準(zhǔn)確的評(píng)估。為了解決這個(gè)挑戰(zhàn),本文提出了一個(gè)有效的真值發(fā)現(xiàn)算法,名為Holmes。它利用了待觀測(cè)實(shí)體之間的空間關(guān)聯(lián)性,將參與者的提供的...

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

圖2–1真值發(fā)現(xiàn)概率圖模型

本文編號(hào)：3886612