群智感知激励机制与数据收集技术

　　群智感知作为一种新型的数据收集方式，在大数据领域受到了许多关注。但是作为群智感知的根本问题，即如何保障在群智感知场景下数据收集的数量和质量，仍然需要研究。本书从群智感知的研究背景出发，系统地讲述了如何保障在群智感知场景下数据收集的数量和质量的方法，并立足实际，用真实数据集验证所提出方法的优越性。此外，本书还根据群智感知系统的现状介绍了其下一步的研究内容，希望对读者有所启发。

　　高慧，博士，北京邮电大学软件学院教师，从事人工智能，大数据等方向的科研教学工作，多次在国际上发表高水平论文6篇，申请专利1项。

第1章绪论1
1.1引言1
1.2研究背景2
1.3群智感知网络3
1.3.1群智感知典型应用4
1.3.2群智感知主要研究内容5
1.4激励机制与数据收集策略考虑因素7
1.4.1感知平台方面因素7
1.4.2参与者方面因素8
1.5本书主要工作与贡献9
第2章群智感知激励机制与高质量数据收集研究分析12
2.1引言12
2.2理论框架14
2.2.1不同优化目标15
2.2.2不同激励协商过程17
2.2.3不同的数据质量衡量方式17
2.2.4不同的数据质量验证顺序19
2.3应用和系统实现20
2.3.1应用介绍21
2.3.2应用比较22
2.4未来趋势展望22
2.5本章小结24
第3章基于多任务的离线激励机制25
3.1引言25
3.2多任务离线激励模型28
3.3信誉度定义和更新28
3.3.1参与者意愿的定义28
3.3.2信誉度反馈和更新29
3.4信息质量满意度指数和任务困难度指数29
3.4.1信息质量满意度指数29
3.4.2任务困难度指数31
3.5优化问题和解决方案33
3.6实验与结果分析35
3.6.1实验设计36
3.6.2实验结果38
3.7系统实现讨论42
3.8本章小结43
群智感知激励机制与数据收集技术
目录
第4章保障收集数据质量的在线激励机制44
4.1引言44
4.2在线激励模型46
4.3优化问题47
4.4回报和额外奖励的动态分配50
4.4.1激励机制介绍50
4.4.2激励机制算法50
4.5实验与结果分析54
4.5.1实验设计54
4.5.2实验结果55
4.6本章小结57
第5章感知数据预测与收集58
5.1引言58
5.2感知数据预测模型59
5.3感知数据预测方法60
5.4实验与结果分析63
5.4.1实验设计63
5.4.2实验结果64
5.5本章小结65
第6章可信参与者选择策略66
6.1引言66
6.2可信参与者选择模型68
6.3参与者信誉度的定义和更新68
6.3.1信誉度定义68
6.3.2参与者意愿的定义和更新68
6.3.3信誉度的反馈和更新69
6.3.4信誉度更新69
6.4可信参与者选择问题和解决方案70
6.5实验设计与结果分析72
6.5.1实验设计72
6.5.2实验结果73
66本章小结74
第7章车联网场景下的数据收集75
7.1引言75
7.2应用77
7.3HVCS面临的挑战77
7.4激励分配机制的一种解决方案78
7.5本章小结81
第8章群智感知系统的下一步工作82
8.1数据质量的多维度建模和计算82
8.2参与者可信度的计算和更新方法84
8.3数据定价85
8.4针对单个参与者的激励机制86
第9章总结和展望87
参考文献91
附录缩略语表101