基于用户行为感知的MCS数据优化策略研究

发布时间：2024-05-11 00:20

　　当前,伴随着智能手机、平板和智能可穿戴设备等移动智能设备集成了越来越多的传感器,其拥有了越来越强大的计算、感知以及存储等能力,随之产生一种将众包思想与移动感知相结合,以获取周围环境数据的新型感知方式,称为移动群智感知(Mobile Crowd Sensing,MCS)。在MCS中,需要大量参与者收集感知数据,从而获得感知结果。然而,参与者的行为方式、移动性等因素带有一定的社会性,导致参与者之间的数据质量和数据覆盖率不尽相同,因此,设计数据优化策略以保证感知结果的准确性、实时性和信息全面性成为一个亟待解决的问题。首先,本文介绍MCS的研究背景,然后根据数据优化的目标不同,对数据质量优化和数据覆盖率优化问题所面临的挑战进行了分析,并介绍了典型的MCS数据优化方法。其次,针对数据质量优化问题,本文提出一种基于信誉度感知的数据质量优化策略,通过评估参与者的直接信誉度和间接信誉度确定综合信誉度,以此分析参与者历史交互行为和历史协作行为的可靠性,进而选择接收综合信誉度较高参与者的感知数据以保证感知结果的准确性。此外,由于参与者受自身属性、社会行为方式等因素的影响,还需评估所接收数据的质量,并动态更...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 MCS研究背景
        1.1.1 MCS结构
        1.1.2 MCS特点
        1.1.3 MCS应用场景
    1.2 MCS研究热点
    1.3 选题意义及主要工作
    1.4 本文组织结构
第2章 MCS数据优化概述
    2.1 数据质量优化
    2.2 数据覆盖率优化
    2.3 本章小结
第3章 基于信誉度感知的MCS数据质量优化策略
    3.1 研究背景
    3.2 系统模型
    3.3 信誉度评估
        3.3.1 直接信誉度
        3.3.2 间接信誉度
        3.3.3 综合信誉度
    3.4 数据质量优化
        3.4.1 数据质量
        3.4.2 异常检测
        3.4.3 数据质量优化
    3.5 数值分析
        3.5.1 不存在恶意参与者时参与者信誉度变化
        3.5.2 存在恶意参与者时的性能分析
        3.5.3 感知数据优化性能分析
    3.6 本章小结
第4章 基于服务质量感知的MCS数据覆盖率优化策略
    4.1 研究背景
    4.2 系统模型
    4.3 服务质量评估
        4.3.1 参与者意愿度
        4.3.2 参与者区域偏好
        4.3.3 服务质量
    4.4 数据覆盖率优化
        4.4.1 覆盖率评估
        4.4.2 数据覆盖率优化
    4.5 数值分析
        4.5.1 不同参与者数量下的性能分析
        4.5.2 不同预算下的性能分析
    4.6 本章小结
第5章 结束语
    5.1 主要工作与创新点
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3969238