数据驱动下交互网络群智感知任务分配仿真

采用当前方法在交互网络中分配群智感知任务时,分配任务所用的时间较长,存在用户完成任务的概率较低,分配效率低的问题,提出一种数据驱动下交互网络群智感知任务分配方法.分析群智感知环境,将能耗最小化和时间最小化作为感知任务分配的约束条件,通过信誉模型计算用户在交互网络中的信誉值,将感知任务优先分配给信誉值高的用户,在交互网络...     

移动群智感知中任务分配的研究

随着内置高性能传感器的移动智能终端的广泛应用,新兴的移动群智感知技术逐渐成为实时感知与收集环境信息的有效方式。为协调与鼓励用户参与感知任务,并最大限度地保证感知数据的有效性与可靠性,针对移动群智感知相关研究中的关键问题—任务分配进行了研究。首先,介绍移动群智感知的相关背景;其次,根据感知任务的要求对任务分配的约束条件进行分类;然后,讨论与分析了任务分配的研究现状,包括平台为中心的优化算法设计以及用户为中心的激励机制设计;最后,指出现有研究工作中的不足,展望了未来的研究方向。     

群智感知任务分配中的用户类型转换问题研究

群智感知系统中用户所提交的感知数据并不一定是可靠的.因此,设计合理的激励机制以保证用户高质量地完成群智感知任务是群智感知研究中所面临的最主要挑战.然而,大多数现有研究并未充分考虑系统无法吸引足够高质量用户参与的情形.针对这一问题,文章研究如何通过设置额外的奖励机制,激励完成任务质量较低的用户更好地参与任务,从而转换为高...     

移动群智感知中的空间任务分配机制

在移动群智感知的空间任务分配问题中用户与任务的空间距离直接影响完成任务所需的成本,而现有的研究在这方面却考虑不足,因此以最小化感知成本为目标设计了移动群智感知中的空间任务分配机制。首先,以感知成本最小为目标,基于遗传算法和贪心算法设计了一种高效的任务分配方法;其次,针对用户感知质量的随机性,基于用户的历史感知情况和当前任务的执行情况设计了用户感知质量的更新机制。为验证所提机制的效果,通过仿真实验与两种基准的任务分配方法作比较。实验结果表明,所提机制在感知总成本和用户执行任务所移动的总距离等方面均有更好的效果,因此该空间任务分配机制具有很好的应用前景。     

采用离散烟花算法的移动群智感知异构任务分配

建立移动群智感知异构任务分配问题的数学模型,该模型考虑参与者的心理与行为过程,并引入环境信息和参与者健康状况、信誉度和测量时间等因素,通过寻找最优任务分配方案,最小化任务完成的总成本,该总成本包括补偿成本、数据损失成本和距离成本3方面。为求解该模型,提出一种引入了预测信息的离散烟花算法。该算法采用整数编码方式,利用模型中的距离和匹配度2种启发信息设计烟花爆炸算子,提出了爆炸振幅的分组线性预测策略和变异算子的自适应竞争机制。实验结果表明,与已有算法相比,所提算法在移动群智感知异构任务分配问题上能够搜索到更优的分配方案。     

基于数据冗余控制的移动群智感知任务分配方法

移动群智感知系统中任务之间存在时空覆盖重叠性,这可能导致重复数据收集从而引发数据冗余问题,为此,提出了一种可同时控制任务内以及任务间数据冗余的任务分配方法。该方法首先提出基于长短期记忆（LSTM）神经网络的轨迹序列预测模型,对任务参与者进行细分时空单元的轨迹序列预测,然后根据轨迹预测结果提出最小化数据冗余的优化模型。通过最小化时空单元的数据冗余度来控制单个任务内的数据冗余问题,并通过让单个任务参与者在时空单元中的感知数据被最大化重复利用来控制多个任务之间时空覆盖重叠性带来的数据冗余。实验结果表明,提出的任务分配方法可以有效地减少任务内及任务间的数据冗余。     

多Sink群智感知网络数据收集方法

随着Android和iPhones等移动设备的广泛普及,群智感知网络成为研究热点.人们携带这些移动设备在日常生活中收集环境感知数据.人们的移动具有社会性,其移动轨迹难以预测,如何设计一种有效的数据收集算法是一个值得研究的问题.针对多Sink群智感知网络,提出一种基于地点的感知数据收集方法.首先采用多目标决策的层次分析法,以移动设备与Sink节点之间的距离、连接时间和相遇概率为性能指标,提出最优Sink的选择机制,确定感知数据的目标传输节点;受PeopleRank启发,提出基于地点的数据转发方法,以优化下一跳选择策略.最后,通过一系列实验对该方法的可行性和有效性进行验证,实验结果表明,该方法不仅大大提高了感知数据的传输成功率,而且转发开销和延迟有了明显的降低.     

基于胶囊网络的群智感知数据分类模型

针对群智感知平台中感知数据分类的准确度问题,提出了一种基于胶囊网络的感知数据分类模型。首先,构建了群智感知系统模型,结合感知数据构建了胶囊网络结构和样本数据,通过胶囊网络实现了样本数据和预测值之间的映射。然后,胶囊网络对样本数据的像素点特征矩阵进行拟合学习,使用动态路由算法更新胶囊网络的耦合系数。最后,结合间隔损失函数和重构损失函数,实现了对基于胶囊网络的感知数据分类模型参数的优化。仿真结果表明相对于残差网络的数据分类模型,所提模型有效提高了数据分类的准确度。     

基于Petri网与萤火虫算法的任务分配可视化建模

为了解决民用飞机故障诊断中任务分配问题,提出了使用新型离散萤火虫算法对任务分配问题进行研究,并在此基础上,使用Petri网进行可视化建模与仿真。新型的萤火虫算法离散方法,使得原本应用于连续问题的萤火虫算法适用于任务分配问题,这样使Petri网建模的复杂性降低,更利于建模。最后,对一实例进行分析并进行可视化建模与仿真,动态的仿真过程及最终结果验证了模型的可行性及算法的正确性。因此,使用该方法可有效地降低建模的复杂性,提高任务分配的效率,同时能够应用于协同可视化诊断平台中的任务分配模块。     

一种基于XML的任务驱动型数据传输与同步方法

出于信息安全和业务需要,人们在彼此逻辑或物理隔离的局域网环境中浏览和处理信息,但是又不想丧失网络互联带来的便利和强大的信息处理能力。通过数据传输与同步机制,模拟广域网环境、避免信息孤岛是一种现实可行的选择。给出了一种基于XML的任务驱动的数据传输与同步方法,通过分析数据传输场景,设定了基于XML的任务数据模板和任务结果数据模板,借助于具体的信息化系统,基于相应的模板,自动生成任务数据包及任务数据结果包,以数据光盘进行信息传输,通过数据寻址、定位及导入操作实现了数据同步功能。通过该数据通路,实现了各级彼此独立的信息系统的互联,用户犹如在一个互联的广域网环境中进行数据处理。该方法大大提升了信息系统的安全性,降低了铺设或租用线路的成本,解决了各级网络之间不连通导致的信息壁垒,更符合现阶段特殊行业使用网络环境的要求。     

任务驱动为先导“做教学”一体化的面向对象程序设计教学探究

分析当前高职计算机应用专业面向对象程序设计相关课程教学中主要存在过多强调语法教学,以及忽略面向对象程序设计思想培养等问题,提出以任务驱动为先导＂做教学＂一体化的面向对象程序设计教学方法,以提升高职计算机应用专业学生程序设计能力。     

基于多Agent的汉字签名认证系统的任务分配策略研究

针对基于多Agent的汉字签名认证系统的任务分配策略进行了讨论,并结合遗传算法和模拟退火算法给出了一种新的基于多Agent的汉字签名认证系统的任务分配策略。     

基于模板驱动的微博数据采集程序

微博数据是很多社会网络研究的前提与基础.对新浪微博浏览器端的JavaScript脚本及通信过程分析之后,提出了采用模板驱动技术采集并存储微博Json数据方法,提出并实现了微博数据采集程序.通过实验测试对比,该方法可以高效地实现微博数据的采集.     

基于联合压缩感知重构的网络通信服务目标数据检测技术

采用当前无监督组件支持向量机模型检测技术、高维随机矩阵检测技术,对网络通信服务目标数据检测时,缺少特殊属性目标采集过程,导致数据检测效果较差。针对该问题,提出了基于联合压缩感知重构的网络通信服务目标数据检测技术研究。根据联合压缩感知重构原理,采集网络通信服务节点温度稀疏目标数据,利用联合压缩感知重构技术处理网络节点通信数据,构造稀疏二进制矩阵,完成对未知数量检测数据精确重构。利用构造函数计算网络通信服务数据之间的相似度,完成不同样本特征的区分,剔除不必要数据特征,并采用联合压缩感知重构技术实现对网络通信服务目标数据检测。实验结果表明,该技术数据检出率最高可达到87%,为海量数据下社交网络特殊对象数据挖掘奠定基础。     

基于强化学习的数据驱动最优镇定控制及仿真

利用Q-学习算法,针对模型未知只有数据可用的非线性被控对象,解决最优镇定控制问题.由于状态空间和控制空间的连续性,Q-学习只能以近似的方式实现.因此,文中提出的近似Q-学习算法只能获得一个次优控制器.尽管求得的控制器只是次优,但是仿真研究表明,对于强非线性被控对象,相比线性二次型调节器和深度确定性梯度下降方法,文中方法的闭环吸引域更宽广,实际指标函数也更小.     

基于遗传算法的多UCAV动态任务分配研究

为了使多无人作战飞机在复杂多变的动态战场环境下协同性、实时性更优,文章针对多无人作战飞机动态任务分配问题建立了一种扩展的多目标整数规划模型,同时设计了基于模糊集隶属度的混合重调度方法,并采用遗传算法进行求解;对无人作战飞机失效和出现新目标两种动态情况进行仿真实验,与完全重调度进行对比,得到基于模糊集隶属度的混合重调度方法在效率及稳定性方面明显优于完全重调度,说明设计的混合重调度方法及模型在解决多无人作战飞机动态任务分配问题上的有效性。     

基于k最近邻网络的数据聚类算法

聚类研究在数据挖掘研究领域中占有十分重要的地位。虽然目前已有很多数据聚类算法,但精度仍不够理想。文中提出一个基于结构化相似度的网络聚类算法(SSNCA),试图从网络聚类角度进一步提高数据聚类精度。具体解决方案是,将待聚类的向量数据集转化为k最近邻网络,并用SSNCA对该网络进行聚类。将SSNCA与c-Means、仿射传播进行比较,实验表明文中算法得到的目标函数稍差,但聚类精度要明显高于这两个算法。     

非局域样本填充和自适应曲率驱动模型的遥感图像修复算法*

遥感图像修复技术对于后续遥感图像的处理与应用具有重要意义.文中在深入研究曲率驱动(CDD)模型和样本填充算法的基础上,针对遥感图像对纹理细节和边缘区域要求较高的特点,提出非局域样本填充和自适应曲率驱动模型的遥感图像修复算法.该算法较好地避免CDD模型修复过程中在一些极端情况下可能出现的假边缘、阶梯效应和扩散速度缓慢等缺点,保证遥感图像修复后的纹理细节信息和边缘信息.仿真实验验证文中算法的有效性.