| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究的目的与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.2.1 群智感知的研究现状 | 第12-13页 |
| 1.2.2 本文的主要工作 | 第13页 |
| 1.3 论文的组织结构 | 第13-15页 |
| 第二章 群智感知基础理论与激励机制 | 第15-26页 |
| 2.1 群智感知理论 | 第15-19页 |
| 2.1.1 群智感知简介 | 第15-16页 |
| 2.1.2 群智感知应用广泛 | 第16-19页 |
| 2.2 激励机制简介 | 第19-22页 |
| 2.2.1 激励机制体系结构 | 第19-21页 |
| 2.2.2 激励机制的意义 | 第21-22页 |
| 2.3 群智感知激励机制的分析优化 | 第22-24页 |
| 2.3.1 群智感知激励机制理论分析 | 第22-23页 |
| 2.3.2 群智感知激励机制重要模型分析 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于位置具有预算限制的感知系统的激励机制模型 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 激励机制的系统分析 | 第26-31页 |
| 3.2.1 RADP-VPC模型建立 | 第26-27页 |
| 3.2.2 RADP-VPC算法位置覆盖率分析 | 第27-29页 |
| 3.2.3 当前研究不足分析 | 第29-31页 |
| 3.3 群智感知激励机制优化模型分析 | 第31-35页 |
| 3.3.1 激励机制边缘优先最大覆盖率模型及定义 | 第32-33页 |
| 3.3.2 边缘优先最大覆盖率模型可行性分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于RADP的改进的EPMC算法 | 第36-42页 |
| 4.1 引言 | 第36页 |
| 4.2 覆盖率模型简介 | 第36-39页 |
| 4.2.1 GIA模型建模 | 第36-38页 |
| 4.2.2 GIA覆盖模型分析 | 第38-39页 |
| 4.3 GIA模型激励机制 | 第39-41页 |
| 4.3.1 GIA激励机制的理论与分析 | 第39-41页 |
| 4.3.2 EPMC算法的设计 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于EPMC的感知系统激励机制模型研究 | 第42-48页 |
| 5.1 引言 | 第42页 |
| 5.2 改进算法的步骤 | 第42-44页 |
| 5.2.1 基于边缘节点的EPMC算法 | 第42-43页 |
| 5.2.2 EPMC算法的具体步骤 | 第43-44页 |
| 5.3 模型仿真与分析 | 第44-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 全文回顾 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 个人简历在读期间发表的学术论文 | 第54-56页 |
| 致谢 | 第56页 |