群智感知系统中协同计算若干关键技术研究

发布时间：2021-07-01 10:18

　　群智感知可分为被动群体计算和主动参与式感知两种场景。在被动群体计算的场景,需要解决的问题是:如何在保证收集感知数据准确性的前提下,大范围细粒度地感知环境。特别是在稀疏感知数据的情况下,如何保证感知数据准确性并且恢复出未感知区域的数据,从而生成高分辨率的空气污染浓度地图,更是一个具有挑战的问题。在主动参与式感知的场景下,很难在样本量不足的情况下从感知数据中提炼出通用的模型完成迁移学习。如何能够在感知数据稀疏的小样本场景下,学习出通用的模型同样也是一个亟待解决的问题。此外,在主动参与式感知场景下,还存在如何吸引更多的用户加入到感知系统中的问题。当感知任务消耗过多用户感知设备电量和计算资源的时候会严重影响到用户加入感知任务的积极性,从而很难吸引更多的用户加入感知任务。为解决上述问题,本文分别对被动群体计算和主动参与式感知场景做了相关的研究,以改进的模拟退火算法、改进的蚁群算法等启发式算法以及贝叶斯估计理论作为理论基础,并结合前沿的深度学习技术,灵活的解决上述两个场景中的问题,主要工作成果如下:第一,为解决被动群体计算场景下,在保证收集感知数据准确性的前提下实现大范围细粒度感知环境的问题,本文... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：132 页

【学位级别】：博士

【部分图文】：

r,多跳协同数据核准场景

来的实验中，多跳协同数据校准的最大跳数被设置为６。??接下来，本节在时空覆盖率［１２］上，将提出的ＳＲＳＡ方法与传统方法进行比较。??同时考虑时空覆盖率和数据校准与只考虑时空覆盖率相比差别非常大。如图３－４（ａ）所??示

Ｔｈｅ?ｎｕｍｂｅｒ?ｏｆ?ｈｏｐｓ??（ｂ）协同数据校准跳数对于校准后误差的影响??图３－３?与传统方法在校准后误差上做实验对比??校准后误差。当校准跳数增加到６时，ＯＢＣＣ算法的校准后误差收敛。因此，在接下??来的实验中，多跳协同数据校准的最大跳数被设置为６。??接下来，本节在时空覆盖率［１２］上，将提出的ＳＲＳＡ方法与传统方法进行比较。??同时考虑时空覆盖率和数据校准与只考虑时空覆盖率相比差别非常大。如图３－４（ａ）所??示

【参考文献】：
期刊论文
[1]欧洲智慧城市中的物联网与参与式感知[J]. Edith Nagi,滕以宁,王文东.  中兴通讯技术. 2015(06)
[2]城市计算概述[J]. 郑宇.  武汉大学学报(信息科学版). 2015(01)
[3]基于群智感知的城市噪声检测与时空规律分析[J]. 吴文乐,郭斌,於志文.  计算机辅助设计与图形学学报. 2014(04)



本文编号：3258957