本文關(guān)鍵詞：基于BCH碼的中心式多標簽群智設計，，由筆耕文化傳播整理發(fā)布。

【摘要】：群智利用用戶群體的智慧和資源,在諸多執(zhí)行任務的場景中是一種有效的運作模式。然而由于給予用戶的報酬很低,并且用戶的專業(yè)領(lǐng)域、程度高低因人而異,用戶群體提供的反饋信息通常是不可信的。為了提高群智系統(tǒng)中用戶反饋數(shù)據(jù)的準確度,最近的研究提出了一種名為多標簽分類的群智模型。針對用戶群體可信度未知的場景,本文提出了基于BCH碼的中心式多標簽群智設計:我們?yōu)槎鄻撕炄褐窃O計了中心式的系統(tǒng)架構(gòu),并為每一個標簽設計一個具有最大糾錯能力的BCH碼字,同時根據(jù)該設計的BCH碼矩陣將用戶群體的反饋數(shù)據(jù)映射到一個估計碼字中,用以判定最后的近似標簽�；贐CH碼的多標簽群智系統(tǒng)架構(gòu)避免了用戶群體和群智系統(tǒng)具有統(tǒng)一認知標準這一前提;群智平臺中心式的處理在實際分配任務時不受到實際想象力的限制;基于BCH碼的碼矩陣設計不依賴于特定用戶群體的可信度分布;對BCH碼的設計進一步拉大標簽之間的距離,提高了對用戶反饋信息的容錯能力;BCH碼系統(tǒng)的生成方式同時也為碼矩陣的生成提供了更低的計算復雜度。為了描述群智的背景和研究現(xiàn)狀,本文首先簡要介紹了群智系統(tǒng)及其典型應用場景。進一步我們介紹了群智系統(tǒng)的相關(guān)模型,包括多標簽群智模型、用戶群體模型和目前的最優(yōu)推導算法。此外,基于該背景,我們引出基于編碼理論的多標簽群智模型,介紹其系統(tǒng)架構(gòu),并結(jié)合具體事例分析其動機及合理性。然而基于編碼理論的多標簽群智模型存在五個問題,其一為用戶群體與群智系統(tǒng)必須具有統(tǒng)一的認知標準;其二為構(gòu)造碼矩陣計算量大,需要較大計算復雜度;其三為離線生成碼矩陣時需要特定的用戶群體的可信度分布,故而生成的碼矩陣對于執(zhí)行任務的可信度未知的用戶群體不是最優(yōu)解;其四為在實際場景中實例化特征會很大程度上受到人類想象力的限制;其五為在線動態(tài)分配子任務給用戶群體時,用戶的專業(yè)背景及資質(zhì)和子任務之間不一定匹配。針對這些問題,我們提出了基于BCH碼的中心式多標簽群智模型BCH-CMCL,將處理用戶群體反饋信息由分布式轉(zhuǎn)化為中心式,并以BCH碼設計碼矩陣,代替基于編碼理論的多標簽群智模型中的碼矩陣構(gòu)造。多標簽群智系統(tǒng)中心式的架構(gòu)和處理方式取消了“用戶群體與群智系統(tǒng)必須具有統(tǒng)一的認知標準”這一前提,避免了實際分配任務時受到人類有限想象力的限制。由于BCH碼較大的漢明距離和系統(tǒng)的生成方式,BCH-CMCL不依賴于特定用戶群體的可信度分布,可實現(xiàn)更大的容錯能力和更低的碼矩陣生成復雜度。具體來說,我們描述了BCH-CMCL的系統(tǒng)架構(gòu),從集合的角度,結(jié)合具體事例分析了該系統(tǒng)架構(gòu)的優(yōu)點,介紹了BCH碼的構(gòu)造和特性,給出了基于BCH碼的碼矩陣設計以及相應的算法實現(xiàn),并簡要總結(jié)了該碼矩陣設計的優(yōu)點。我們更進一步給出了BCH-CMCL的理論分析結(jié)果,其中包括,BCH-CMCL和基于編碼理論的多標簽群智模型在容錯能力、漢明距離、碼生成矩陣復雜度上的比較,以及BCH-CMCL平均錯誤率的上界及其充分條件和必要條件。理論分析表明,BCH-CMCL相比于基于編碼理論的多標簽群智模型,對可信度未知的用戶群體具有更大的漢明距離和容錯能力,且在離線生成碼矩陣時具有更低計算復雜度;在用戶群體的質(zhì)量不算太低的情況下,BCH-CMCL可實現(xiàn)較高的準確度。為了驗證BCH-CMCL性能的理論分析,我們基于matlab搭建了仿真平臺并給出了一系列仿真結(jié)果,包括BCH-CMCL和基于編碼理論的多標簽群智模型的漢明距離、容錯能力的比較,BCH-CMCL的理論和實際性能特性,以及多數(shù)表決、基于編碼理論的多標簽群智模型和BCH-CMCL的在準確度上的性能比較。仿真結(jié)果和理論分析相吻合,表明BCH-CMCL可從用戶群體的反饋信息中更準確的近似出正確答案。
【關(guān)鍵詞】：群智 多標簽分類 BCH碼
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.2
【目錄】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 緒論13-17
• 1.1 研究背景13
• 1.2 已有研究成果和現(xiàn)狀13-14
• 1.3 本文研究內(nèi)容14-15
• 1.4 本文主要工作研究及文章結(jié)構(gòu)安排15-17
• 第二章 群智系統(tǒng)概述17-35
• 2.1 引言17
• 2.2 群智系統(tǒng)架構(gòu)17-21
• 2.2.1 群智定義17
• 2.2.2 概念架構(gòu)17-19
• 2.2.3 群智典型應用場景19-21
• 2.3 相關(guān)模型21-33
• 2.3.1 多標簽群智模型21-23
• 2.3.2 用戶模型23-24
• 2.3.3 最優(yōu)推導算法24-27
• 2.3.4 基于編碼理論的多標簽群智模型27-33
• 2.4 本章小結(jié)33-35
• 第三章 基于BCH碼的中心式多標簽群智設計35-49
• 3.1 中心式多標簽群智架構(gòu)35-40
• 3.1.1 基本架構(gòu)35-36
• 3.1.2 中心式多標簽處理36-37
• 3.1.3 基于集合的模型分析37-40
• 3.1.4 中心式群智架構(gòu)的優(yōu)點40
• 3.2 基于BCH碼的碼矩陣設計40-46
• 3.2.1 BCH碼概述40-41
• 3.2.2 BCH碼的構(gòu)造41-43
• 3.2.3 BCH碼性質(zhì)43-44
• 3.2.4 基于BCH碼的碼矩陣設計44-46
• 3.2.5 基于BCH碼的碼矩陣設計的優(yōu)點46
• 3.3 本章小結(jié)46-49
• 第四章 BCH-CMCL的理論分析和仿真49-69
• 4.1 引言49
• 4.2 基于BCH碼的中心式多標簽群智設計的理論分析49-56
• 4.2.1 準確度性能分析49-53
• 4.2.2 與基于編碼理論的多標簽群智模型的比較53-56
• 4.3 基于BCH碼的中心式多標簽群智設計的仿真56-67
• 4.3.1 仿真內(nèi)容56
• 4.3.2 仿真平臺的搭建56-62
• 4.3.3 仿真結(jié)果62-67
• 4.4 本章小結(jié)67-69
• 全文總結(jié)69-75
• 4.5 全文工作總結(jié)69-72
• 4.6 研究展望72-75
• 致謝75-77
• 參考文獻77-81
• 攻讀學位期間發(fā)表的學術(shù)論文目錄81-83

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林茜卡;傅秀芬;滕少華;李云;;協(xié)同標簽系統(tǒng)的應用研究[J];暨南大學學報(自然科學與醫(yī)學版);2009年01期

2 吳超;周波;;基于復雜網(wǎng)絡的社會化標簽分析[J];浙江大學學報(工學版);2010年11期

3 吳金成;曹嬌;趙文棟;張磊;;標簽集中式發(fā)布訂閱機制性能分析[J];指揮控制與仿真;2010年06期

4 李曉燕;陳剛;壽黎但;董金祥;;一種面向協(xié)作標簽系統(tǒng)的圖片檢索聚類方法[J];中國圖象圖形學報;2010年11期

5 袁柳;張龍波;;基于概率主題模型的標簽預測[J];計算機科學;2011年07期

6 張斌;張引;高克寧;郭朋偉;孫達明;;融合關(guān)系與內(nèi)容分析的社會標簽推薦[J];軟件學報;2012年03期

7 王永剛;嚴寒冰;許俊峰;胡建斌;陳鐘;;垃圾標簽的抵御方法研究[J];計算機研究與發(fā)展;2013年10期

8 汪祥;賈焰;周斌;陳儒華;韓毅;;基于交互關(guān)系的微博用戶標簽預測[J];計算機工程與科學;2013年10期

9 顧亦然;陳敏;;一種三部圖網(wǎng)絡中標簽時間加權(quán)的推薦方法[J];計算機科學;2012年08期

10 趙亞楠;董晶;董佳梁;;基于社會化標注的博客標簽推薦方法[J];計算機工程與設計;2012年12期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 朱廣飛;董超;王衡;汪國平;;照片標簽的智能化管理[A];第四屆和諧人機環(huán)境聯(lián)合學術(shù)會議論文集[C];2008年

2 房冠南;袁彩霞;王小捷;李江;宋占江;;面向?qū)υ捳Z料的標簽推薦[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

3 梅放;林鴻飛;;基于社會化標簽的移動音樂檢索[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

4 李靜;林鴻飛;;基于用戶情感標簽的音樂檢索算法[A];第六屆全國信息檢索學術(shù)會議論文集[C];2010年

5 駱雄武;萬小軍;楊建武;吳於茜;;基于后綴樹的Web檢索結(jié)果聚類標簽生成方法[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

6 王波;唐常杰;段磊;尹佳;左R

本文編號：446750