面向任务代价差异的移动群智感知激励模型

针对感知任务参与者数量不足和提供数据质量不高的问题,该文提出一种面向任务代价差异的移动群智感知激励模型。首先,利用模糊推理方法分析数据量、环境条件及设备消耗对任务代价的影响,将感知任务按照代价差异划分为不同等级,同时为请求者制定预算并给予参与者合适的报酬。其次,通过信誉度评估和参与者优选将感知任务分配给更合适的参与者完成感知任务并上传感知数据。最后,对参与者上传感知数据评估,更新参与者信誉度,并根据参与者完成感知任务的代价等级支付相应报酬。基于真实数据集的仿真实验结果表明,该模型能够利用各个模块间的相互影响,有效招募更多的用户参与感知任务并促进参与者上传高质量的感知数据。

基于总间隔与代价差异算法的支持向量机

针对支持向量机在实际应用中存在的最优分类超平面的倾斜问题和推广误差界的问题,引入了总间隔与代价差异算法,对标准的支持向量机算法进行了改进.同时,针对线性和非线性两种情况,给出了详细的公式推导过程,并得出结论:基于总间隔与代价差异算法的支持向量机的性能优于标准的支持向量机.

不同年龄社群关于新冠肺炎疫情认知、态度和行为的代际差异研究

2020年,一场重大突发公共卫生事件--新型冠状病毒肺炎(简称新冠肺炎)席卷了全球,它严重威胁着人们的身心健康和社会发展,给人们的生活方式带来了诸多影响。本文以我国青年、中年、老年群体为研究对象,采用问卷调查的方法,探讨不同年龄阶段的群体关于新冠肺炎疫情在认知、态度和行为方面的代际差异,提出了在重大突发公共卫生事件中面对不同代际群体的针对性传播策略。