當(dāng)前,伴隨著智能手機(jī)、平板和智能可穿戴設(shè)備等移動智能設(shè)備集成了越來越多的傳感器,其擁有了越來越強(qiáng)大的計算、感知以及存儲等能力,隨之產(chǎn)生一種將眾包思想與移動感知相結(jié)合,以獲取周圍環(huán)境數(shù)據(jù)的新型感知方式,稱為移動群智感知(Mobile Crowd Sensing,MCS)。在MCS中,需要大量參與者收集感知數(shù)據(jù),從而獲得感知結(jié)果。然而,參與者的行為方式、移動性等因素帶有一定的社會性,導(dǎo)致參與者之間的數(shù)據(jù)質(zhì)量和數(shù)據(jù)覆蓋率不盡相同,因此,設(shè)計數(shù)據(jù)優(yōu)化策略以保證感知結(jié)果的準(zhǔn)確性、實時性和信息全面性成為一個亟待解決的問題。首先,本文介紹MCS的研究背景,然后根據(jù)數(shù)據(jù)優(yōu)化的目標(biāo)不同,對數(shù)據(jù)質(zhì)量優(yōu)化和數(shù)據(jù)覆蓋率優(yōu)化問題所面臨的挑戰(zhàn)進(jìn)行了分析,并介紹了典型的MCS數(shù)據(jù)優(yōu)化方法。其次,針對數(shù)據(jù)質(zhì)量優(yōu)化問題,本文提出一種基于信譽(yù)度感知的數(shù)據(jù)質(zhì)量優(yōu)化策略,通過評估參與者的直接信譽(yù)度和間接信譽(yù)度確定綜合信譽(yù)度,以此分析參與者歷史交互行為和歷史協(xié)作行為的可靠性,進(jìn)而選擇接收綜合信譽(yù)度較高參與者的感知數(shù)據(jù)以保證感知結(jié)果的準(zhǔn)確性。此外,由于參與者受自身屬性、社會行為方式等因素的影響,還需評估所接收數(shù)據(jù)的質(zhì)量,并動態(tài)更...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 MCS研究背景
        1.1.1 MCS結(jié)構(gòu)
        1.1.2 MCS特點(diǎn)
        1.1.3 MCS應(yīng)用場景
    1.2 MCS研究熱點(diǎn)
    1.3 選題意義及主要工作
    1.4 本文組織結(jié)構(gòu)
第2章 MCS數(shù)據(jù)優(yōu)化概述
    2.1 數(shù)據(jù)質(zhì)量優(yōu)化
    2.2 數(shù)據(jù)覆蓋率優(yōu)化
    2.3 本章小結(jié)
第3章 基于信譽(yù)度感知的MCS數(shù)據(jù)質(zhì)量優(yōu)化策略
    3.1 研究背景
    3.2 系統(tǒng)模型
    3.3 信譽(yù)度評估
        3.3.1 直接信譽(yù)度
        3.3.2 間接信譽(yù)度
        3.3.3 綜合信譽(yù)度
    3.4 數(shù)據(jù)質(zhì)量優(yōu)化
        3.4.1 數(shù)據(jù)質(zhì)量
        3.4.2 異常檢測
        3.4.3 數(shù)據(jù)質(zhì)量優(yōu)化
    3.5 數(shù)值分析
        3.5.1 不存在惡意參與者時參與者信譽(yù)度變化
        3.5.2 存在惡意參與者時的性能分析
        3.5.3 感知數(shù)據(jù)優(yōu)化性能分析
    3.6 本章小結(jié)
第4章 基于服務(wù)質(zhì)量感知的MCS數(shù)據(jù)覆蓋率優(yōu)化策略
    4.1 研究背景
    4.2 系統(tǒng)模型
    4.3 服務(wù)質(zhì)量評估
        4.3.1 參與者意愿度
        4.3.2 參與者區(qū)域偏好
        4.3.3 服務(wù)質(zhì)量
    4.4 數(shù)據(jù)覆蓋率優(yōu)化
        4.4.1 覆蓋率評估
        4.4.2 數(shù)據(jù)覆蓋率優(yōu)化
    4.5 數(shù)值分析
        4.5.1 不同參與者數(shù)量下的性能分析
        4.5.2 不同預(yù)算下的性能分析
    4.6 本章小結(jié)
第5章 結(jié)束語
    5.1 主要工作與創(chuàng)新點(diǎn)
    5.2 研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3969238