群智感知可分為被動群體計算和主動參與式感知兩種場景。在被動群體計算的場景,需要解決的問題是:如何在保證收集感知數(shù)據(jù)準確性的前提下,大范圍細粒度地感知環(huán)境。特別是在稀疏感知數(shù)據(jù)的情況下,如何保證感知數(shù)據(jù)準確性并且恢復(fù)出未感知區(qū)域的數(shù)據(jù),從而生成高分辨率的空氣污染濃度地圖,更是一個具有挑戰(zhàn)的問題。在主動參與式感知的場景下,很難在樣本量不足的情況下從感知數(shù)據(jù)中提煉出通用的模型完成遷移學(xué)習(xí)。如何能夠在感知數(shù)據(jù)稀疏的小樣本場景下,學(xué)習(xí)出通用的模型同樣也是一個亟待解決的問題。此外,在主動參與式感知場景下,還存在如何吸引更多的用戶加入到感知系統(tǒng)中的問題。當感知任務(wù)消耗過多用戶感知設(shè)備電量和計算資源的時候會嚴重影響到用戶加入感知任務(wù)的積極性,從而很難吸引更多的用戶加入感知任務(wù)。為解決上述問題,本文分別對被動群體計算和主動參與式感知場景做了相關(guān)的研究,以改進的模擬退火算法、改進的蟻群算法等啟發(fā)式算法以及貝葉斯估計理論作為理論基礎(chǔ),并結(jié)合前沿的深度學(xué)習(xí)技術(shù),靈活的解決上述兩個場景中的問題,主要工作成果如下:第一,為解決被動群體計算場景下,在保證收集感知數(shù)據(jù)準確性的前提下實現(xiàn)大范圍細粒度感知環(huán)境的問題,本文... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：132 頁

【學(xué)位級別】：博士

【部分圖文】：

r,多跳協(xié)同數(shù)據(jù)核準場景

來的實驗中，多跳協(xié)同數(shù)據(jù)校準的最大跳數(shù)被設(shè)置為６。??接下來，本節(jié)在時空覆蓋率［１２］上，將提出的ＳＲＳＡ方法與傳統(tǒng)方法進行比較。??同時考慮時空覆蓋率和數(shù)據(jù)校準與只考慮時空覆蓋率相比差別非常大。如圖３－４（ａ）所??示

Ｔｈｅ?ｎｕｍｂｅｒ?ｏｆ?ｈｏｐｓ??（ｂ）協(xié)同數(shù)據(jù)校準跳數(shù)對于校準后誤差的影響??圖３－３?與傳統(tǒng)方法在校準后誤差上做實驗對比??校準后誤差。當校準跳數(shù)增加到６時，ＯＢＣＣ算法的校準后誤差收斂。因此，在接下??來的實驗中，多跳協(xié)同數(shù)據(jù)校準的最大跳數(shù)被設(shè)置為６。??接下來，本節(jié)在時空覆蓋率［１２］上，將提出的ＳＲＳＡ方法與傳統(tǒng)方法進行比較。??同時考慮時空覆蓋率和數(shù)據(jù)校準與只考慮時空覆蓋率相比差別非常大。如圖３－４（ａ）所??示

【參考文獻】：
期刊論文
[1]歐洲智慧城市中的物聯(lián)網(wǎng)與參與式感知[J]. Edith Nagi,滕以寧,王文東.  中興通訊技術(shù). 2015(06)
[2]城市計算概述[J]. 鄭宇.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2015(01)
[3]基于群智感知的城市噪聲檢測與時空規(guī)律分析[J]. 吳文樂,郭斌,於志文.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2014(04)



本文編號：3258957