感知质量优化的移动群智感知任务在线分发算法

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%。