群智感知应用中基于感知质量的激励方法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 群智感知发展概述 | 第12-13页 |
| 1.2.2 群智感知激励方法发展概述 | 第13-14页 |
| 1.3 本文研究工作 | 第14-15页 |
| 1.4 文章组织结构 | 第15-16页 |
| 第二章 相关理论介绍 | 第16-24页 |
| 2.1 群智感知简介 | 第16-19页 |
| 2.1.1 群智感知框架结构 | 第16页 |
| 2.1.2 群智感知的关键特征 | 第16-19页 |
| 2.2 群智感知激励方法的主要类型 | 第19-21页 |
| 2.2.1 基于用户信誉的激励方法 | 第19-20页 |
| 2.2.1.1 直接计算的信誉值 | 第19页 |
| 2.2.1.2 基于投票的信誉值 | 第19-20页 |
| 2.2.2 基于任务完成质量的激励方法 | 第20-21页 |
| 2.3 报酬支付激励方法的博弈论基础 | 第21-22页 |
| 2.3.1 RA机制 | 第21-22页 |
| 2.3.2 VCG机制 | 第22页 |
| 2.4 序贯决策与E&E平衡 | 第22-23页 |
| 2.4.1 序贯决策 | 第22-23页 |
| 2.4.2 E&E平衡 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 离线群智感知的基于感知质量的激励方法 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 感知群体用户质量（QoC） | 第24-26页 |
| 3.2.1 QoC概念 | 第24-25页 |
| 3.2.2 QoC计算 | 第25-26页 |
| 3.3 基于感知质量的离线激励问题描述 | 第26-29页 |
| 3.3.1 用户招募过程描述 | 第26-27页 |
| 3.3.2 问题定义 | 第27-29页 |
| 3.4 QIM算法设计 | 第29-35页 |
| 3.4.1 二维可信机制 | 第29-32页 |
| 3.4.2 求最优解 | 第32页 |
| 3.4.3 计算高效的QIM | 第32-35页 |
| 3.5 QIM特性理论分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 在线群智感知的基于感知质量的激励方法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 基于感知质量的在线激励问题描述 | 第38-41页 |
| 4.2.1 系统模型 | 第38-40页 |
| 4.2.2 问题定义 | 第40-41页 |
| 4.3 QOIM算法设计 | 第41-46页 |
| 4.3.1 QOIM整体概述 | 第42-43页 |
| 4.3.2 用户选择算法 | 第43-46页 |
| 4.4 QOIM特性理论分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 实验结果与分析 | 第50-62页 |
| 5.1 离线激励方法QIM | 第50-56页 |
| 5.1.1 实验环境及数据集 | 第50-51页 |
| 5.1.2 场景设置 | 第51页 |
| 5.1.3 实验对比算法 | 第51-52页 |
| 5.1.4 实验结果及分析 | 第52-56页 |
| 5.2 在线激励方法QOIM | 第56-59页 |
| 5.2.1 实验环境及数据集 | 第56-57页 |
| 5.2.2 实验对比算法 | 第57页 |
| 5.2.3 实验结果与分析 | 第57-59页 |
| 5.3 QIM与QOIM的比较 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
