面向移动群智感知的高质量数据收集方法研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第12-28页 |
1.1 移动群智感知 | 第12-13页 |
1.2 移动群智感知数据收集 | 第13-18页 |
1.2.1 移动群智感知工作流程 | 第14-16页 |
1.2.2 高质量数据收集的研究目的和挑战 | 第16-18页 |
1.3 移动群智感知数据收集的研究现状 | 第18-24页 |
1.3.1 感知任务分配 | 第18-19页 |
1.3.2 感知数据优选 | 第19-21页 |
1.3.3 感知数据移交 | 第21-22页 |
1.3.4 典型应用 | 第22-24页 |
1.4 研究内容和主要贡献 | 第24-26页 |
1.5 论文章节安排 | 第26-28页 |
2 移动群智感知的任务分配方法 | 第28-58页 |
2.1 引言 | 第28-29页 |
2.2 感知任务分配问题 | 第29-32页 |
2.2.1 数据模型 | 第29页 |
2.2.2 成本与收益的均衡问题 | 第29-32页 |
2.3 无绕路任务分配方法 | 第32-37页 |
2.3.1 局部最优的任务分配流程 | 第32-33页 |
2.3.2 问题定义及优化目标 | 第33-35页 |
2.3.3 最优解搜索算法 | 第35-37页 |
2.3.4 贪心任务分配算法 | 第37页 |
2.4 最短绕路任务分配方法 | 第37-40页 |
2.4.1 局部最优的任务分配流程 | 第37-38页 |
2.4.2 问题定义及优化目标 | 第38-40页 |
2.4.3 贪心任务分配算法 | 第40页 |
2.5 多侧面感知任务分配方法 | 第40-44页 |
2.5.1 任务分解的场景与意义 | 第40-43页 |
2.5.2 多侧面任务分解过程 | 第43-44页 |
2.5.3 组合优化的多侧面任务分配算法 | 第44页 |
2.6 实验评估 | 第44-57页 |
2.6.1 测试环境与评估指标 | 第44-47页 |
2.6.2 实验结果 | 第47-57页 |
2.7 本章小结 | 第57-58页 |
3 移动群智感知的数据优选方法 | 第58-88页 |
3.1 引言 | 第58-59页 |
3.2 移动群智感知的数据模型 | 第59-62页 |
3.2.1 任务模型 | 第59-60页 |
3.2.2 感知数据模型 | 第60-62页 |
3.3 面向数据流的高质量数据实时优选模型 | 第62-67页 |
3.3.1 交互式数据移交 | 第62-64页 |
3.3.2 基于感知覆盖度的数据集质量评价方法 | 第64-65页 |
3.3.3 基于任务约束的语义相似度计算方法 | 第65-66页 |
3.3.4 感知覆盖度函数的子模性 | 第66-67页 |
3.4 基于塔形树的高质量数据选择方法 | 第67-73页 |
3.4.1 塔形树的定义与性质 | 第67-68页 |
3.4.2 基于塔形树的数据选择算法 | 第68-69页 |
3.4.3 树的分层与树结点的属性 | 第69-72页 |
3.4.4 树的形状与计算效率 | 第72-73页 |
3.5 实验结果与分析 | 第73-86页 |
3.5.1 实验设置 | 第73-75页 |
3.5.2 优选结果评价指标 | 第75-78页 |
3.5.3 基于仿真数据的评价结果 | 第78-83页 |
3.5.4 基于真实数据的评价结果 | 第83-86页 |
3.6 本章小结 | 第86-88页 |
4 移动群智感知的数据移交方法 | 第88-110页 |
4.1 引言 | 第88-90页 |
4.2 机会式数据汇聚与选择式移交框架 | 第90-94页 |
4.2.1 基于融合的传染式数据移交 | 第90-91页 |
4.2.2 面向融合的感知数据结构 | 第91-92页 |
4.2.3 选择式数据移交框架 | 第92-94页 |
4.3 面向数据移交的PicTree树融合过程 | 第94-98页 |
4.3.1 PicTree树融合的基本操作 | 第94页 |
4.3.2 PicTree树融合算法 | 第94-97页 |
4.3.3 基于PicTree融合的数据转发 | 第97-98页 |
4.4 基于树融合的协作式感知 | 第98-100页 |
4.4.1 PicTree的生长过程 | 第98页 |
4.4.2 选择式数据移交 | 第98-99页 |
4.4.3 终止无效传染 | 第99-100页 |
4.5 实验结果与分析 | 第100-108页 |
4.5.1 数据集与实验配置 | 第100-101页 |
4.5.2 仿真环境与参数 | 第101页 |
4.5.3 基准评价方法 | 第101-102页 |
4.5.4 实验与评价 | 第102-108页 |
4.6 本章小结 | 第108-110页 |
5 基于移动群智感知的物理事件感知系统 | 第110-136页 |
5.1 引言 | 第110-111页 |
5.2 系统框架和数据模型 | 第111-113页 |
5.2.1 系统框架 | 第111页 |
5.2.2 数据模型 | 第111-113页 |
5.3 协作式的数据收集流程 | 第113-115页 |
5.3.1 社群内移交 | 第114页 |
5.3.2 社群外移交 | 第114-115页 |
5.4 高质量数据的优选方法 | 第115-126页 |
5.4.1 基于拍照情境的物理事件定位方法 | 第115-120页 |
5.4.2 基于子事件检测的照片流分割算法 | 第120-124页 |
5.4.3 面向事件感知的高质量数据选择 | 第124-126页 |
5.5 实验与评价 | 第126-134页 |
5.5.1 数据集与实验配置 | 第126-127页 |
5.5.2 基准评测方法 | 第127页 |
5.5.3 评价指标 | 第127-129页 |
5.5.4 实验结果与分析 | 第129-134页 |
5.6 本章小结 | 第134-136页 |
6 总结与展望 | 第136-140页 |
参考文献 | 第140-150页 |
附录 | 第150-154页 |
致谢 | 第154-156页 |
攻读博士学位期间发表的学术论文和参加科研情况 | 第156-159页 |