众包中基于CIDA和PI-Cosine的双向质量控制策略

随着移动智能终端的普及,众包采集大规模感知数据变得越来越容易。众包工人的自私性使得他们想通过最少的努力获得最多的报酬,甚至互相勾结、随意提交众包数据,导致众包任务完成质量不高。文中提出了一种基于陪审团的质量控制策略,该机制解决了数据验证问题。针对降低众包质量的行为,在判断是否存在垃圾邮件员工和共谋组织后,使用社区影响力检测算法(CIDA)来检测出共谋团伙领导者及其所在组织,最后使用改进的相似性检测算法(PI-Cosine)筛查垃圾邮件员工。从这两个方面来提高众包数据质量。实验结果表明,所提方法在accuracy和F1-score衡量指标上相比Cosine相似度检测算法提高了12.3%。     

软件众包开发者的能力价值率模型研究

为了更好地评价众包软件开发者的能力,分析了众包模式下软件众包开发的三个基本要素,即大众开发者、任务发布者、众包平台,提出了一种软件众包开发者能力价值率模型。该模型将软件众包任务从子任务、时间阶段、质量特性三个维度进行细分,首先评价众包原子单元,进而综合评估整个众包软件的质量。模型在评价过程中充分考虑了开发者的价值贡献因素,推演了开发者能力价值率的计算方法。验证实验表明软件众包开发者的综合能力价值率随着任务量的增加,其变化和能力大小关系趋于一致,所设计模型具有更好的稳定性,能够有效地评估软件众包开发者能力。     

一种结合众包的排序学习算法

针对有监督排序学习所需带标记训练数据集不易获得的情况,引入众包这种新型大众网络聚集模式来完成标注工作,为解决排序学习所需大量训练数据集标注工作耗时耗力的难题提供了新的思路。首先介绍了众包标注方法,着重提出两种个人分类器模型来解决众包结果质量控制问题,同时考虑标注者能力和众包任务的难度这两个影响众包质量的因素。再基于得到的训练集使用RankingSVM进行排序学习并在微软OHSUMED数据集上衡量了该方法在NDCG@n评价准则下的性能。实验结果表明该众包标注方法能够达到95%以上的正确率,所得排序模型的性能基本和RankingSVM算法持平,从而验证了众包应用于排序学习的可行性和优越性。     

面向工作者能力评估的众包任务分配方法的研究进展综述

随着互联网技术和共享经济模式的快速发展,作为一种新型的群体计算模式,近年来众包(Crowdsourcing)已经得到了广泛的应用并成为研究热点.针对众包应用的特点,为确保众包任务的完成质量,现有研究从工作者能力评估的角度出发已提出了各种不同的众包任务分配方法.首先介绍了众包的概念和分类,阐述了众包平台的工作流程及其任务...     

移动众包环境下一种多阶段质量感知的在线激励机制

随着移动人群感知成为收集数据的一种新范式,越来越多的移动众包应用应运而生.如何有效地激励工人参与任务并提供高质量的传感数据一直是该领域的关键问题,然而在线场景下的移动众包平台往往缺乏真实数据和未来信息,导致工人提交的数据质量参差不齐.所以本文考虑了在线场景下工人选择问题,提出一种多阶段质量感知的在线激励机制(SQOI)...     

科学数据众包处理研究

获取科学数据的最终目的是根据具体需要从数据中提取有用的知识,并将这些知识应用到具体的领域中,帮助决策制定者制定决策.由于科学数据规模越来越大,而且呈现结构复杂的特点,如半结构化或非结构化,难以通过计算机实现自动化处理.众包通过高效调用人力资源,成为进行科学大数据众包处理的解决方案之一.针对科学大数据众包处理的特点,围绕人才筛选机制、任务处理模式和结果评估策略3方面对科学数据众包体系进行研究,并通过地理空间数据云平台开展地学领域的基于众包的遥感影像信息提取实验.研究表明,科学数据不仅能够通过众包模式来进行处理,而且通过合理的设计众包流程能够获得高质量的数据结果.     

基于K近邻的众包数据分类算法

针对众包数据处理中的质量控制问题,提出了一种加权K近邻投票分类方法。该方法不单单只是考虑了某个样例的标记来返回一个答案,而是通过综合考虑样例的近邻来得到更加准确的答案。同时对样例的近邻加以适当的权重来进一步提高算法的性能,并保持了传统多数投票分类的简单性。K近邻投票分类算法可以有效地解决缺乏标记的情况,通过对近邻加以权重可以解决不平衡标记造成的影响,从而使算法的泛化性更强。通过各种场景下的实验,结果表明加权K近邻投票分类方法取得了很好的效果。     

针对主观型众包图像注解的质量评估方法

针对常见的众包图像注解的质量评估方法只能处理客观型注解信息的问题,提出一种针对主观型众包图像注解的质量评估方法。将主观型众包图像注解任务分为两个阶段:注解阶段和评分阶段。由注解者对图像进行主观型注解,再由评分者对注解进行评价打分。根据评分者的打分情况对注解质量及评分者偏好等进行估计,得到注解质量评估结果。实验结果显示,该方法相对于多数投票法和标记聚合法可以获得更高的精度和用户满意度。表明该方法可以更高效地运用于各种主观型众包图像注解任务。     

众包软件测试技术研究进展

众包测试是一种新兴的软件测试方式,得到了学术界和工业界的广泛关注。本文系统地总结了近年来众包软件测试研究的学术文献以及工业界实践进展：首先从学术文献涉及的研究主题演变,涵盖的软件测试问题和众包测试流程,采用的实验对象及测试人员规模等多个角度对相关文献中提出的技术和方法进行了汇总。然后从测试领域、测试对象、工人召集方式、绩效考核方式等方面分析对比了当前应用最广泛的20个众包测试商业平台。最后,探讨了众包软件测试的未来发展趋势,机遇和挑战。     

基于改进蚁群算法的众包配送路径研究

针对现有O2O外卖众包配送的经验依赖性和随机性问题，建立以距离成本和时间惩罚成本之和最小化为目标的带有单侧软时间窗的需求可延迟的开放式车辆路径优化模型，并借助高德地图API接口获得各实际节点的经纬度信息和各节点间距离。改进蚁群算法在状态转移规则中添加下一步移动的潜在客户数量影响因子，同时将确定性搜索与随机性搜索结合，缩小蚂蚁搜索范围。仿真实验结果表明，相较于标准蚁群算法和标准粒子群算法，改进蚁群算法在求解质量和效率上均具有明显的优势。     

Collusion-Proof Result Inference in Crowdsourcing

在传统的 crowdsourcing,工人们被期望提供独立答案给任务以便保证答案的差异。然而,最近的研究证明人群不是许多独立工人,但是相反工人们与对方一起交流并且协作。与小努力追求更多的报酬,一些工人可以共谋勾结提供重复答案,它将损坏聚集的结果的质量。尽管如此,就在 crowdsourcing 的结果推理上的串通的否定影响而言有很少努力。在这份报纸,我们特殊在公共平台为一般 crowdsourcing 任务担心防串通的结果推理问题。到那个目的,我们设计一个度量标准,工人表演变化率,由在移开重复答案前后计算吝啬的工人表演的差别识别共谋勾结的答案。然后,我们把串通察觉结果合并到存在结果推理方法甚至与串通行为的出现保证聚集的结果的质量。与真实世界、合成的数据集,我们进行了我们的途径的评估的一个广泛的集合。试验性的结果与最先进的方法比较表明我们的途径的优势。     

三层架构的空间众包服务网点选址遗传算法

空间众包泛指将一个或多个与地点相关的子任务,分配给大量携带有智能终端的移动用户,通过他们共同完成而形成的一种新型协作计算模式.如何分配执行的移动用户并覆盖所有空间众包任务,对于企业的发展有决定性作用.本文综合考虑了空间众包系统在现实中的不同应用场景(如移动数据收集、快递、共享汽车等),引入了一种三层空间众包架构,包括系...     

移动终端群智感知研究

随着移动终端集成了越来越多的内置传感器,移动群智感知成为近几年来的研究热点。通过对移动终端传感器感知数据的收集分析处理,用户所处情境便能被识别,还原用户所处场景,为用户提供个性化服务。文中通过归纳国内外的最新研究成果,提出了移动终端群智感知模型,并从数据处理、激励机制和群智感知应用、群智感知平台等几个方面具体归纳概括了国内外的研究趋势。文中归纳了最新的数据处理技术和群智感知应用场景,并提出了竞争和协作相辅相成的激励模式。     

移动终端智能引擎平台研究

随着移动终端的不断发展与普及,它已经变成了一个交流、传感的设备。普通市民只需要通过移动设备就可以从周围的环境中获取海量信息以及分享自己的信息。文中研究了群智感知原理,结合普适环境下情境信息的特点,提出了移动终端智能引擎平台。该平台通过接口能实时、有效地获取、处理用户的感知数据,还原用户情境,获取用户需求,并把用户需求和处理好的数据供第三方应用使用,第三方应用通过平台提供的接口提供应用服务。实验证明,该平台能够有效地获取用户情境信息,提供给第三方应用。     

基于软件质量评估的模糊综合评判算法研究与改进

本文在系统介绍和分析模糊综合评判算法的同时重点研究了其用于软件质量评估过程中所存在的问题和缺陷,并改进和建立适应现代软件质量评估特点的新模糊评判算法模型 。利用新算法模型实施软件质量的可计算化评估,其评估结果的准确性、可靠性和稳定性有了明显改善和提高。整个研究为试图解决软件质量评估这个难题提供了很好的借鉴作用。     

基于树分解的空间众包最优任务分配算法

随着配备高保真传感器的移动设备的普及以及无线网络资费的迅速下降,空间众包成为一种新型的问题解决框架,被用于将位置相关的任务（如路况报告,食品配送）分配给工人（配备智能设备并愿意完成任务的人）。本文研究空间众包中最优任务分配问题,关键在于设计出将每个任务分配给最合适的工人的任务分配策略,以使得完成的总任务数目最大化,而所有的工人可以在完成所分配的任务后,在预期最晚工作时间之前返回起点。找到全局最优分配是一个棘手的问题,因为该问题不等于单个工人的最佳分配的简单累加。本文注意到,仅有部分工人存在任务依赖,因此本文利用树分解技术将工人分割成独立的集合,并提出一种带启发式的深度优先搜索算法,该算法可以快速地更新启发函数界限,从而高效的对不可能成为最优解分配方案尽早地剪枝。实验表明,本文所提出的方法是非常有效的,可以很好地解决最优任务分配问题。     

自动控胶系统控制算法的研究与实现

自动控胶是胶订机的一个重要工艺过程。自动控胶是以自动控制理论为指导,自动控制技术为手段,实现控胶工艺过程自动化的技术。合理有效的控制算法是实现这一技术的基础,这里讨论的是怎样按照控制工艺过程和控制器件的连接、位置和时序关系建立算法模型。并根据叠加原理,将复杂算法分解成单一算法,逐一实现之。     

基于众包的多楼层定位方法

无线基础设施的广泛部署使得基于WiFi的指纹定位方法成为了最具普适性的定位方法之一.然而,指纹库构建过程的耗时费力阻碍了基于接收信号强度(received signal strength indication, RSSI)指纹定位的发展.针对指纹库构建难问题,提出了一种基于众包的低成本、高效率的多楼层指纹库构建方法-MCSLoc.首先将室内平面地图转换为室内语义地图;然后采集众包用户智能手机内置惯性传感单元(inertial measurement unit, IMU)数据,采用卡尔曼滤波(Kalman filter, KF)融合算法划分传感数据到所属楼层.提出分段式轨迹获取方法,根据传感数据获取用户相对轨迹和RSSI值序列;最后利用隐马尔可夫模型(hidden Markov model, HMM)和轨迹匹配维特比(track matching Viterbi, TM-Viterbi)算法将相对轨迹与室内语义地图主路径相匹配,为RSSI值序列标注楼层标签和物理位置标签.MCSLoc方法的HMM地图匹配算法无需用户初始位置,实现众包用户弱意识参与.实验结果表明MCSLoc可以快速获取轨迹绝对初始位置,有效构建多楼层指纹库,提高多楼层定位效率.