群智感知中的激励机制设计

发布时间：2023-06-03 08:04

　　随着智能设备的普及以及其感知能力的增强,群智感知这一新型感知模式应运而生。群智感知是指将人们手中的智能设备当作感知节点,通过招募用户并组成感知网络,进而执行感知任务,因此在感知范围、感知成本以及感知综合性上具有巨大的优势。近些年,虽然研究者在群智感知领域开展了大量的研究工作,然而现有工作依然面临着一些挑战:如何基于用户的群体性和社交性,设计激励机制从而降低成本;如何在感知数据存在关联时,保护用户的隐私;如何在异构的感知任务下,保证群智感知的数据质量。本文针对于这些研究挑战,结合国内外研究现状,从激励机制设计的角度,在恶意用户检测、隐私保护、数据质量保证以及反无人机方面开展研究。本文的主要工作如下:1.针对大规模社交网络中的恶意用户检测问题,本文提出了一种基于群智感知的高效、低成本的恶意用户检测方式,并设计了一种激励机制:根据系统方对用户偏好信息的掌握情况,本文考虑了完全信息场景和部分信息场景,并分别设计了激励机制;特别地,当用户的偏好服从高斯分布时,本文利用高斯分布的性质,将非凸的激励机制设计问题转化为凸问题从而进行有效求解。所设计的激励机制可以在保证用户参与的同时,最小化激励成本。2...

【文章页数】：138 页

【学位级别】：博士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 群智感知中的用户激励研究
        1.2.2 群智感知中的隐私保护研究
        1.2.3 群智感知中的数据质量研究
        1.2.4 群智感知的实际应用
    1.3 本文研究内容
        1.3.1 研究思路
        1.3.2 研究内容
2 基于优化型激励机制的大型社交网络恶意用户检测
    2.1 引言
    2.2 恶意节点检测相关工作
    2.3 系统模型与问题建模
    2.4 激励机制设计
        2.4.1 全部信息场景
        2.4.2 部分信息场景
        2.4.3 实施问题讨论
    2.5 数值仿真
        2.5.1 完全信息场景
        2.5.2 均匀分布场景
        2.5.3 高斯分布场景
    2.6 本章小结
3 基于契约型激励机制的隐私保护
    3.1 引言
    3.2 相关研究工作
    3.3 系统模型
        3.3.1 隐私损失
        3.3.2 平台的数据精度
        3.3.3 问题建模
    3.4 用户加噪等级均衡分析
    3.5 平台数据精度优化
    3.6 真值引出
    3.7 仿真验证
        3.7.1 仿真设置
        3.7.2 仿真结果
    3.8 本章小结
4 基于契约型激励机制的数据质量保证
    4.1 引言
    4.2 相关研究工作
        4.2.1 社交影响力
        4.2.2 社交激励机制
    4.3 系统模型
    4.4 问题建模
        4.4.1 完全信息场景
        4.4.2 部分信息场景
        4.4.3 动态社交影响场景
    4.5 机制设计
        4.5.1 全部信息场景
        4.5.2 部分信息场景
        4.5.3 动态社交影响场景
    4.6 数值仿真
        4.6.1 完全信息场景
        4.6.2 部分信息场景
        4.6.3 动态社交影响力场景
    4.7 本章小结
5 基于拍卖型激励机制的反无人机系统
    5.1 引言
    5.2 研究动机
    5.3 系统总览
        5.3.1 主要模块
        5.3.2 工作流程
        5.3.3 主要功能
    5.4 检测
    5.5 激励机制
        5.5.1 问题建模
        5.5.2 所期望的性质
        5.5.3 激励算法
        5.5.4 机制分析
    5.6 系统评估
        5.6.1 系统实现
        5.6.2 检测
        5.6.3 定位
        5.6.4 激励机制
    5.7 讨论
    5.8 本章小结
6 总结与展望
    6.1 全文总结
    6.2 研究展望
参考文献
攻读博士学位期间主要研究成果



本文编号：3828956