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,从而转换为高质量用户.所设计的用户类型转换方法首先根据用户的历史记录,将用户分为高质量用户和低质量用户两类.然后,通过随机试探的方式构建低质量用户完成质量提升与奖励金额之间的关系曲线.最后,以最大化任务的最低完成质量为优化目标,设计了一种总奖励金额受限情况下的最优任务及奖励分配机制,进而保证所有任务间完成质量的最大最小公平.仿真实验结果验证了所设计机制的有效性和可行性.     

群智感知中基于社交属性及有效用户计算的任务分发机制

随着无线传感器网络的高速发展和多种移动智能设备的普及,移动群智感知(mobile crowd sensing,MCS)成为移动计算的核心。利用群智感知可完成大规模、复杂环境及社会感知任务,其中任务分发是这种应用中的一个重要环节。针对任务分发过程中存在感知环境复杂、用户数量达不到要求、收集数据质量低等问题,提出一种基于社交属性及有效用户计算的任务分发机制(effective user calculation,EUC),该机制具有根据任务来筛选用户的特点,从用户角度看,EUC考虑了用户的社会性,由用户的社交网络传递相关信息来增加平台的有效用户数;从平台的角度看,EUC可根据任务的接收和提交情况,动态调整有效用户的积分,从而保障整个系统的有效用户数。理论分析和实验结果表明,所提出的机制可提高系统的任务分发效率,并改善了收集数据的质量。     

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。     

基于用户关注度以及时间监督的任务分发

在群智感知器网络中,如何在限定时间内完成发布者指定的感知任务,是移动群智感知任务分发面临的一个重要问题.针对该问题,为了使感知用户间密切协作,并及时将执行感知任务反馈给发送者,提出一种基于用户关注度与时间监督的任务分发(task distribution with user attention and time sup...     

普适计算中上下文依赖的主动任务发现

任务计算是一种针对用户如何与设备和服务进行交互的新模式,用户可以只关注需要完成的任务,而不必考虑如何去完成。主动任务发现是任务计算的核心,它依赖于上下文,并能自动组合相应的服务完成规定的操作。在构建任务计算模型的基础上,描述了一种基于上下文依赖的主动任务发现模式,分析了主动任务的结构模型,提出了一种发现任务并执行任务的算法,并通过一个智能教室的应用环境说明了该算法的具体应用。     

智能环境基于用户交互模态的情境感知服务

智能环境系统构成的复杂性和大量的情境信息增加了为用户提供和布局服务的难度。情境感知服务系统能感知系统运行和人机交互情境,根据相应的决策机制选择适当的设备为用户提供服务,从而简化环境设施的功能布局。在决策过程中引入用户交互模态信息有利于系统根据用户的交互能力和对人机界面的偏好提供服务。把情境细分为用户信息、设备信息、软件信息和环境拓扑信息,针对智能环境提出了一种基于用户交互模态的情境感知服务系统,同时详细说明了利用该技术选择服务的推理过程及其应用方法。通过智慧家庭环境中的场景案例验证了该系统的有效性。     

基于机会协作传输的群智感知网络激励机制

移动群智感知网络中用户激励机制是研究的重点,而如何有效减少用户在任务中移动设备资源的消耗是激励用户的关键。根据群智感知用户分布密集和相遇频繁的特点,利用其移动设备的短距离无线通信能力(蓝牙、Wi-Fi)进行数据的机会协作传输将极大减少用户消耗,进而激励用户完成任务。通过对机会传输和群智感知激励机制的研究,针对eco Sense机制[9]在补偿方案、预算控制和用户激励方面的不足,提出C-eco Sense机制降低任务总预算,并通过POR和PIM激励机制激励用户上传完成任务。最后采用SWIM仿真数据集进行实验。结果表明与普遍使用的数据收集机制相比,C-eco Sense机制在预算控制和用户激励方面都具有更好的效果。     

时间驱动的深度嵌入型智能感知网操作系统分析与设计

智能感知网操作系统是管理和调度无线传感器节点和网络中的各种资源、为实现低功耗分布式感知任务而服务的基础软件.深度嵌入型智能感知网则特指面向高可靠关键应用、软硬件交互密切、对功耗要求苛刻的感知网.与传统无线传感器网络略有不同的是,深度嵌入型智能感知网定位在测控类用途,在保留低功耗运行这个特征之外,更加强调向高可靠强实时的...     

基于Agent的存储区域网络(SAN)智能管理技术

利用Agent技术对存储区域网络(SAN)进行智能管理是一种全新的设想。本文提出了一种基于Agent的存储区域网络的管理体系,各部件本地的管理任务由监控Agent完成,SAN的整体由管理Agent与各监控Agent协同完成,大大减轻了用户管理的负担。而且整个管理体系可伸缩性强,各Agent还具有一定的学习和推理能力, 能够具有智能地完成各种管理任务。     

基于ASP的智能空间中上下文感知问题的研究

智能空间和回答集程序ASP的整合解决了智能空间中固定优先关系下的资源冲突问题。然而,智能空间是一个上下文敏感的、动态的环境,随着用户在空间中行为的改变,空间中的信息和服务也要发生动态的变化。原有的基于本体的上下文感知框架仅能实现不同本体信息的推理,而没有考虑环境信息对于上下文感知的影响。为此,基于回答集程序提出一种智能空间中的上下文感知框架,动态感知用户的上下文本体以及环境信息,完成用户在空间中的上下文动态推理。首先,使用本体描述用户的上下文信息;然后使用回答集程序表达上下文推理规则,并引入缺省规则依据本体信息以及环境信息动态决策上下文响应的优先关系;最后,求得回答集程序的解,即为用户上下文事件的决策结果,从而帮助用户实现智能推理。实验结果表明,该框架可以动态决策空间中的优先关系,有效实现空间中的上下文推理。     

移动群智感知中面向任务需求的用户选择激励机制

现有的移动群智感知激励机制大多以平台为中心或是以用户为中心进行设计，缺乏对感知任务需求的多维考虑，从而无法切实地以任务为中心进行用户选择，导致无法满足任务需求的最大化和多样化。针对上述问题，提出一种面向任务需求的用户选择激励机制TRIM，这是一种以任务为中心的设计方法。首先，感知平台根据任务需求发布感知任务，并从任务类型、时空特性以及感知报酬等多维度构建任务向量以最大化满足任务需求，而感知用户则基于意愿偏好、个人贡献值以及期望报酬等属性构建用户向量，实现个性化选择感知任务参与响应；然后，通过引入高效且隐私保护的余弦相似度计算协议（PCSC），计算任务和用户的相似度并根据相似度高低进行用户匹配筛选得到目标用户集，更好地满足感知任务需求的同时保护用户隐私不泄露；最后，通过仿真实验表明，在感知任务和感知用户的匹配过程中，与采用Paillier加密协议的激励机制相比，TRIM缩短了指数级增量的计算时间开销，提高了计算效率；与采用直接余弦相似度计算协议的激励机制相比，TRIM保证了感知用户的隐私安全，达到了98%的匹配精确度。     

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...     

移动群智感知安全与隐私:模型、进展与趋势

移动群智感知作为一种新兴的物联网感知范式,通过激励现代化智能感知设备获得高质量的感知数据,从而高效地完成大规模且复杂的社会感知任务并服务人类社会.移动群智感知系统由感知用户、感知平台和服务提供商组成,在感知任务执行过程中,感知数据经历感知、上传和交易三个阶段,各阶段均面临多种多样的数据安全和隐私泄露风险,危害感知用户隐私和感知数据安全.首先介绍移动群智感知的系统模型、实际应用场景并给出主要安全研究方法,以感知数据参与感知任务的生命周期为轴线,讨论在感知数据生命周期的三个阶段所面临的安全与隐私威胁;在上述威胁基础上,分别从三个阶段系统阐述现有的数据安全与隐私保护解决方案;最后,从隐私度量、隐私框架、隐私保护和隐私计算等方面探讨进一步的发展趋势与研究方向.     

RFID感知技术在服装门店中的应用

为了解决服装门店目前存在盘存效率低下、跟踪最新流行的服装样式等问题,根据服装门店的业务需求,采用RFID感知技术和Web Service等技术,提出了一种基于RFID上下文感知技术的物联网三层软件架构模型。根据该模型实现了服装门店的智能感知与分析系统,并对系统的主要功能进行了测试。结果表明:该架构模型设计正确,可以完成追踪最新服装流行元素的任务。     

智能空间研究综述

智能空间是一个将物理世界和信息空间融合起来的重要研究领域,着重于自然的人机交互、适应用户和设备的动态演化,以高效地帮助用户完成任务.本文简要叙述了智能空间的概念、目的、要求、特点和应用,介绍了其主要组成部分的硬件设备、普适网络和系统软件,并且从信息采集、上下文感知计算、中间件、智能决策和执行、安全性五个方面对研究热点进行了详细分析.在描述几个实例的基础上指出智能空间面临的挑战,最后对研究工作做了总结和展望.     

合作性移动群智感知中具有一般效用和成本的用户招募方法

移动群智感知(Mobile CrowdSensing,MCS)是一种强力而有效的感知数据收集模式,其允许我们在预算有限的情况下招募一群移动用户并利用其随身携带的智能设备来合作地执行感知任务.现有的工作通常根据具有子模性质的效用函数(如用户集合的任务覆盖概率,存在边际收益递减)和线性的成本函数(如用户集合的累积支付成本)来招募用户.然而,在实际应用中,我们往往需要进一步考虑用户间合作意愿,导致实际问题比现有工作所假设的场景更加复杂,相应的效用和成本函数可能不再满足子模和线性关系.举例来说,如果某个用户基于隐私考虑而不愿意与陌生人合作,他可能会拒绝执行一部分敏感的工作,或者要求支付较高的费用,导致效用和成本发生变化.本文研究了具有一般效用和成本的合作性移动群智感知用户招募问题.为了解决非子模的效用和成本,我们提出了一种广义离线贪婪算法,离线地从已知用户池中选择用户,并通过引入子模比率和曲率来证明该算法的理论近似比.进一步考虑在线场景,我们提出了一种分段的在线招募策略,首先将用户序列划分为数个片段,然后在每个片段中分别进行在线招募,并同样给出该策略的理论近似比.我们在四个真实数据集上进行了广...     

面向用户协作对的移动群智感知激励机制

在移动群智感知中,对于感知时间跨度较长的时间复杂任务,独立任务场景下的单个用户往往因时间有限性而难以胜任.针对存在时间复杂任务的感知需求,本文提出了一种新颖的激励机制.首先,基于任意两个用户之间的时间状态和主观协作意愿来构建用户协作关系并形成针对指定任务的用户协作对.然后以此为基础计算他们的协作状态,并筛选出协作状态最佳的协作对作为相应任务的执行者.为进一步激励协作用户参与协作感知,设计了一种基于斯塔克尔伯格博弈的激励机制,以充分激励协作用户的客观协作意愿.仿真结果表明,与其他传统激励机制相比,该机制既能促进更多的用户参与感知任务,也同时提升了任务覆盖比例和用户平均效用.     

边缘辅助群智感知位置隐私保护多任务分配机制

为了解决群智感知中隐私泄露和多任务分配的问题,提出了一种边缘辅助群智感知位置隐私保护(EALP)多任务分配机制。首先,考虑群感知任务具有地理相近特征,利用改进的模糊聚类(FCM)算法对任务位置进行聚类组合,改进聚类数目指标,提高多任务分配的合理性。接着,为了防止云平台和感知用户之间的共谋,在任务分配阶段,提出一种位置隐私保护协议,在感知用户、云服务器和边缘节点之间部署同态加密,云感知平台能够安全地计算感知用户的移动距离,而不知道感知用户的位置和任务聚类中心位置。最后,提出了一种基于蚁群算法多任务分配优化方案,兼顾平台和感知用户两者利益,优化感知用户执行任务路径。实验结果表明,与同类方法相比,所提机制在保护位置隐私的前提下提高了任务完成率,降低了系统的感知成本和用户移动成本。     

基于智能移动平台的情景感知技术研究

针对在智能空间中对用户提供多样化、个性化的情景感知服务的需求,建立在移动平台中基于智能空间的情景感知服务模型。通过情景感知服务模型实现在移动平台中情景感知的基本推理技术,并且为用户提供可靠、高效的服务。实验结果表明在移动平台中情景感知技术可获得规则推理的正确性且为用户提供可靠、高效的服务。     

考虑移动群智感知用户类型的激励机制设计

群智感知是一种招募移动设备用户完成数据采集、云计算等任务的感知模式。但在不对称信息场景下,因云平台无法观测到用户私人类型信息而处于不利地位,产生不能有效利用用户、导致自身利益被削减的问题。利用基于契约理论的群智感知激励机制,针对不同类型用户,在对称信息场景和不对称信息场景下,分别设计了最优契约,并提出了最优方案不等式,有效地最大化云平台的收益,激励了用户披露其私人信息。最后利用仿真验证了最优契约,并讨论了噪声、成本、分界线对云平台收益的影响。