移动群智感知系统中效用最大化的随机控制方法研究

移动群智感知系统作为一种大规模感知数据的收集方式,可以利用普通用户智能手机的感知和计算能力,通过对移动互联网技术的应用来完成大规模复杂的感知任务。但由于智能手机本身的资源是有限的,因此在处理感知任务的过程中,如果无节制地使用手机上传感知数据,不仅会使手机的电量被大量消耗,还会消耗数据流量,使用户的手机使用受到影响,降低用户的满意程度。所以在手机资源约束的条件下,如何使系统效应最大化地进行任务分配和调度,对于感知系统而言十分重要。移动群智感知系统具有随机性和不确定性的特点,如手机的状态、感知请求到达等都存在随机性,所以对系统的控制方法进行设计具有一定的难度。笔者主要针对移动群智感知系统中效用最大化的随机控制方法进行研究,并提出了具体的控制方法,希望能够为相关工作人员起到一些参考作用。

群智感知网络系统结构及其在位置服务中的应用思考

随着移动智能终端设备的普及,物联网技术与人工智能技术的发展,产生了群智感知。群智感知系统中,系统中每个用户通过智能手机中的各种传感器例如加速度传感器、陀螺仪、地磁传感器、WiFi、GPS、麦克风、摄像头等,采集感知数据,然后通过4G网络或者WiFi无线网络将感知数据分享到应用服务器。本文对群智感知网络系统结构进行介绍,指出了群智感知系统在位置服务中的应用。

基于群智感知的校园服务系统构建项目研究

从智能管理的角度分析了校园群智感知应用的优势,总结了校园企划中群智感知系统的构建对策,提出了校园群智感知应用的推出方式,为校园大环境下群智感知的应用提供了理论依据。

一种高效的隐私保护群智感知真值发现机制

随着移动设备的普及,群智感知真值发现应用蓬勃发展,同时也使得数据隐私问题日益突出。然而,现有的隐私保护群智感知真值发现机制都需要较大的计算开销和通信开销。因此提出一种采用对称加密算法的隐私保护群智感知真值发现方法,能够很好地保护隐私,同时开销较低,能够满足实际应用需求。

基于Bayes网络的高维感知数据本地隐私保护发布

群智感知系统通过对高维感知数据的发布和分析为人们带来巨大数据价值的同时,也给参与者的隐私带来了极大的隐患.目前,各种基于差分隐私的隐私保护方法被提出,但大部分方法不能同时解决高维感知数据间复杂的属性关联问题和来自不可信服务器的隐私威胁问题.基于此,本文提出了基于Bayes网络的高维感知数据本地隐私保护发布机制.该机制实现了用户端的本地数据保护,杜绝了其他方直接访问用户原始数据的可能,根本上保护了用户的数据隐私.感知服务器端在接收到用户本地隐私保护的数据后,基于Bayes网络方法对高维数据的维度相关性进行识别,将高维数据属性集划分为多个相对独立的低维属性集,进而依次合成新的数据集,可以有效地保留原始感知数据的属性维度相关性,保证合成数据集与原始数据集具有尽可能相似的统计特性.通过大量仿真实验验证了该方法的有效性,实验结果表明该方法在有效的本地隐私保护下的合成数据具有较高的数据效用性.