感知质量优化和用户招募是移动群智感知的两个重要问题,随着数据量的大幅度增加,感知内容出现冗余,存在感知质量降低的风险。提出了一种感知质量优化的任务分发机制,在保证覆盖率的情况下,提高群体的感知质量。利用聚类算法评估任务真值,量化用户数据质量;基于汤普森抽样算法和贪婪算法设计并实现了一种用户招募策略,在保证任务空间覆盖率的基础上优化感知质量。针对TSUR(Thompson based user recruit)算法的性能进行仿真分析,并与已有的BBTA(bandit-based task assignment)算法和BUR(basic user recruitment)算法作比较。实验表明,在同一区域进行任务感知,与BBTA算法和BUR算法相比,累计感知质量分别提高了16%和20%,空间覆盖率分别提高了30%和22%。