移动群智感知应用学习

读了一篇《移动群智感知应用》陈荟慧记录一下学习内容；Mobile Crowd-Sensing Application

1、移动群智感知用户采集数据时的协作方式分为参与式感知（participant-sensing）、机会感知(opportunity-sensing)两种；需要考虑用户成本、网络压力、云计算服务器架设、用户隐私保护等方面的问题；

2、群智感知通过感知个体的信息而挖掘群体信息反作用于个体或者群体。主体感知和挖掘，感知由个体与携带的智能设备组成，挖掘由后台数据服务器组成。云计算提供了数据存储和挖掘的支持；

3、参与式感知由用户主动参与，数据更精确，但更容易受到用户主观意识干扰；机会式感知通过直接或者间接的方式感知用户的行为，对用户干扰较小，但数据精度依赖感知算法和应用环境，且机会感知需较高的隐私保护机制激励用户的参与；参与式感知的实时性不如机会感知高，但是机会感知准确采集数据的难度高；参与式感知采集的数据容易受到用户的主观干扰，应用系统需要对数据进行有效性的判断并向用户提供量化的评级标准；

4、群智感知应用现状：应用于环境、公共设施和社会；社会方面应用，社交网络应用以及社会感知；

5、面对的问题和挑战：群智感知通过收集大量来自个体的数据，因此必须考虑：数据收集考虑用户成本、数据传输的网络压力、接收计算管理分析的后台云计算服务器；用户隐私保护；

《群智感知激励机制研究综述》

1、合理的激励方式激励足够多的参与者参与感知任务，并提供高质量的感知数据；

2、群智感知是结合众包思想和移动设备感知能力的一种新的数据获取模式，通过人们已有的移动设备形成交互式的、参与式的感知网络，并将感知任务发布给网络中的个体或者群体来完成。

3、激励机制重要的是通过不同的激励方式解决服务器平台和参与者双方最大化各自效用时面临的核心问题，以达到激励的作用。面临问题是资源消耗和隐私安全问题。该系统的架构包括服务器平台、数据使用者、任务参与者三部分；是一种分布的、移动的、基层的、自主的服务模式；

4、群 智感知能够从各地收集海量多维异构数据，解决大规模数据需求问题，提供高质量、可靠的数据服务。限制在于：参与者积极性不高、服务器不能招募足够的参与者获得高质可靠的感知数据。因此激励机制成为了关键。

作者：洋葱ycy
来源：CSDN
原文：https://blog.csdn.net/ycy0706/article/details/78022884