公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

面向河道环境监测的群智感知参与者选择策略被引量：1: 2022年; 城市内河周边环境常常受到破坏和污染,如何有效地对河道进行监测逐渐引起公众、政府和学术界的关注。目前传统的监测方式存在成本高昂、覆盖面不足等缺陷。鉴于智能移动设备的不断普及,文中提出利用群智感知来高效监测河道环境的新思路。该问题可描述为假定每一河段附近有c个位置点可监测该河段,然后根据大量用户的移动轨迹选择出其中r个用户来共同完成s个时段对所有河段的监测。文中规定用户数r越小,监测成本越少。设计了逐步贪心策略、全局贪心策略和整数规划策略用于解决该问题,即选择最少参与者达到“s时长-c范围-r用户”的监测目标。将上述策略应用于福州市台江区部分河道的环境监测,实验结果表明,上述策略均能获得比随机策略更好的解,其中整数规划策略的表现最好。但是,随着问题规模的变大,解决小规模整数规划的隐枚举算法会出现无法求解的情况,因此提出了基于贪心初始化的离散粒子群算法(Greedy Initialization-Discrete Particle Swarm Optimization,GI-DPSO)。虽然该算法可以求解大规模整数规划,但计算费时。综合考虑监测成本和计算代价,建议对小规模问题采用整数规划策略,对大规模问题采用全局贪心策略。; 李晓东於志勇黄昉菀朱伟平涂淳钰郑伟楠; 关键词：贪心策略整数规划离散粒子群算法

面向积水推测的机会式感知轨迹选择: 2021年; 城市积水严重影响了城市居民的日常出行和灾害天气下城市的正常运作。及时发现城市各处是否发生积水显得尤为重要,但是以往监测城市积水的方式多是通过人为反馈、设备监测等方式来实现的,这种方式覆盖范围小、成本较高且容易出错。对深圳市部分区域进行网格划分,融合深圳市滑动雨量数据、深圳市公交线路轨迹数据、深圳市水务局积涝点水位数据,并提取相关特征,使用孤立森林算法、压缩感知算法对所有积水监测站点的积水状态进行推测,最后结合群智感知,选取公交车来参与感知任务,采集积水数据提高推测准确度。; 张伟杰於志勇黄昉菀朱伟平; 关键词：城市积水数据融合

面向车辆目的地推测的时空搜索优化: 2020年; 在仅有车辆起始位置信息的情况下,车辆目的地推测的准确率通常较低。针对该问题,通过在城市道路摄像头的视频录像数据中进行时空搜索,获取目标车辆更多的途经信息,以更准确地推测出其目的地。为在相同的时空搜索次数下最大化目标车辆目的地推测的准确率,设计基于概率的单一指标、基于概率和基尼指数的复合指标以及基于概率和信息增益的复合指标,以评估不同时空搜索对于车辆目的地推测的效用,并基于3种指标分别提出CFMM-MidQuery、CFMM-UtilityQuery-Gini和CFMM-UtilityQuery-Info算法。实验结果表明,时空搜索有助于提高车辆目的地推测的准确率,基于效益的复合指标较基于概率的单一指标评估效果更好,在时空搜索次数相同的条件下,两者目的地推测的准确率相差最高达11.4%。; 韩磊於志勇朱伟平朱伟平; 关键词：MARKOV模型搜索优化

基于强化学习的稀疏群智感知参与者招募策略: 2022年; 稀疏群智感知通过选择部分子区域进行数据采集并推测其他子区域的数据,在保证全局数据质量的同时节省了感知成本.然而现有的稀疏群智感知研究工作总是优先选择具有较高价值的子区域,没有考虑被招募的参与者是否能够采集到所需子区域的数据,也忽略了参与者采集的其它数据价值.为了解决子区域选择具有的局限性,本文从参与者的角度出发,提出了应对稀疏群智感知下的用户招募这一问题的新思路,考虑每个参与者采集到的数据对整个采集任务的贡献程度.鉴于每人每天的移动轨迹基本稳定,而不同人在其各自轨迹上采集的数据具有不同的价值,本文利用这种规律性和差异性,研究如何直接招募可采集到高价值数据的参与者.我们采用强化学习框架解决该问题,将用户招募系统作为强化学习的智能体,并且对招募系统的状态、动作和奖励进行建模.本文中使用深度强化学习算法Deep Q Network(DQN)来训练回报函数,旨在给出在特定的状态下,判断招募哪些用户是最好的选择.该框架在北京市两个月空气质量和一百多名用户移动轨迹的真实数据集上进行了验证,所提出的用户招募策略相比若干基准策略,在用户数量限定下,可获得更高的数据推测精度.; 涂淳钰於志勇韩磊朱伟平黄昉菀郭文忠王乐业; 关键词：压缩感知粒子群优化

一种基于邻域跟随关系的增量社区发现算法被引量：10: 2017年; 社区发现能够揭示真实社会网络的拓扑结构和动态特性.目前的社区发现算法多针对静态社会网络所设计,而绝大多数真实社会网络的社区结构是动态变化的.针对动态社区发现,现有算法通常基于社区结构平稳变化的假设,无法处理演化过程中可能出现的大量社区消亡或涌现等突发事件.为解决有效并高效地发现大规模动态社会网络的社区结构的问题,提出了一种基于邻域跟随关系的社区表示模型Follow-Community,模型刻画的社区由不同角色的节点以及节点间的跟随关系组成,通过发现节点间存在的直接或间接的跟随关系,可将跟随同一个节点的节点所构成的集合归为一个社区.基于该模型提出了一种具有接近线性时间复杂度的邻域跟随算法NFA(Neighborhood Following Algorithm),遍历网络节点一次即可得到静态社会网络的社区结构.进一步扩展得到增量邻域跟随算法iNFA(incremental Neighborhood Following Algorithm).通过更新网络演化过程中相关节点的邻域跟随关系,iNFA可发现动态社会网络的社区结构及社区演化.实验结果验证了算法在大规模动态社会网络社区发现方面具有精度、效率以及稳定性的优势.; 陈羽中施松朱伟平於志勇郭昆

“t-时隙k-覆盖”群智感知任务的参与者选择方法被引量：4: 2018年; 随着无线网络技术和移动智能终端的快速发展和普及,对群智感知的研究受到越来越多相关科研工作者的关注。群智感知利用众包的思想,将任务分配给拥有移动设备的用户(即感知任务的参与者),用户分别上传自己使用移动设备感知到的数据。参与者的选择直接决定了收集信息的质量和相关耗费。选择尽可能少的参与者来接受感知任务,达到对指定地点集合的时空覆盖这一质量要求,就显得至关重要。首先定义了"t-时隙k-覆盖"群智感知任务,以最小代价完成该类任务是NP-hard问题。通过特殊的构造技巧,在问题规模较小时可以用线性规划进行求解,但随着问题规模的增大,线性规划越来越力不从心,因此提出了基于贪心策略的参与者选择算法。在给定移动用户CDR信息的基础上,实验模拟了以上两种参与者选择方法。实验结果表明,在问题规模较小时,以上两种方法均可找出参与者集合,满足覆盖要求,贪心策略的结果大约是线性规划的两倍;在问题规模变大后,线性规划会出现不可求解的情况,而贪心策略依然可以得到近似最优结果。; 周杰周杰於志勇郭文忠朱伟平; 关键词：线性规划

全选清除导出

共1页<1>

朱伟平

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

朱伟平

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈