公开(公告)号：CN115002159A

公开(公告)日：2022-09-02

申请号：CN202210630549.3

申请日：2022-06-06

Applicant: 哈尔滨理工大学

Inventor： 王健 ,  詹秀颖 ,  赵国生

IPC: H04L67/12 ,  H04L67/52 ,  H04W4/21 ,  G06F16/906 ,  G06Q50/00

Abstract: 在稀疏移动群智感知中，一个关键问题是用户招募，即组织者希望在预算限制下招募数量有限的用户，通过这些用户在子区域采集的数据进行数据推理得到完整的感知地图。然而，由于用户移动性的可变，无法准确预测哪些子区域将被用户覆盖并更具价值。针对这个问题，本发明提出了一种面向稀疏群智感知系统的社区分类和用户选择方法。首先，考虑结合用户的社交关系直接招募高质量的用户，采用类深度自动编码器非负矩阵分解方法进行社区检测，将感知用户分类；然后，基于感知任务的位置属性与社区中心进行匹配，决定招募的社区，再从社区中根据感知成本的限制招募用户；最后基于得到的感知数据进行感知地图重构。

公开(公告)号：CN115002159B

公开(公告)日：2023-10-03

申请号：CN202210630549.3

申请日：2022-06-06

Applicant: 哈尔滨理工大学

Inventor： 王健 ,  詹秀颖 ,  赵国生

IPC: H04L67/12 ,  H04L67/52 ,  H04W4/21 ,  G06F16/906 ,  G06Q50/00

Abstract: 在稀疏移动群智感知中，一个关键问题是用户招募，即组织者希望在预算限制下招募数量有限的用户，通过这些用户在子区域采集的数据进行数据推理得到完整的感知地图。然而，由于用户移动性的可变，无法准确预测哪些子区域将被用户覆盖并更具价值。针对这个问题，本发明提出了一种面向稀疏群智感知系统的社区分类和用户选择方法。首先，考虑结合用户的社交关系直接招募高质量的用户，采用类深度自动编码器非负矩阵分解方法进行社区检测，将感知用户分类；然后，基于感知任务的位置属性与社区中心进行匹配，决定招募的社区，再从社区中根据感知成本的限制招募用户；最后基于得到的感知数据进行感知地图重构。

公开(公告)号：CN114185651A

公开(公告)日：2022-03-15

申请号：CN202111537807.5

申请日：2021-12-16

Applicant: 哈尔滨理工大学

Inventor： 王晓 ,  王健 ,  詹秀颖

IPC: G06F9/46 ,  G06N3/04

Abstract: 任务推荐是当前移动群智感知研究的热点和难点，现有任务推荐忽略任务历史数据的多样性，及不同的感知任务之间可能存在某种关联性，本发明提出了一种多模态相似度网络融合方法，通过融合用户历史参与任务在各模态信息下的相似度网络，构建历史任务之间的相似度网络，然后采用谱聚类方法对相似度网络进行剪枝分类，将历史任务进行划分，最后计算新任务与历史任务之间的多模态相似度，进而判断新任务是否适合推荐给用户。本发明提出的方法，通过从多模态角度研究移动群智感知的任务推荐问题，融合多种有效信息，最终使得对感知用户群的剖析更细致，对感知任务的划分更明确，从而进行的任务推荐更加合理，有效避免资源浪费、节约能耗的同时，提高参与者的积极性，减少恶意用户的数量，提高感知质量。