[发明专利]一种基于单位竞价和贡献密度的群体感知数据收集方法在审
申请号: | 201910019257.4 | 申请日: | 2019-01-09 |
公开(公告)号: | CN109740952A | 公开(公告)日: | 2019-05-10 |
发明(设计)人: | 任莹莹;刘安丰;王飞虎;李婷;滕浩钧 | 申请(专利权)人: | 中南大学 |
主分类号: | G06Q10/06 | 分类号: | G06Q10/06;G06F9/48 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 410083 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据收集 感知 竞价 感知数据 系统收益 贡献度 数据收集策略 收益最大化 集合选择 任务发布 数据报告 选择标准 综合考虑 传统的 最大化 出价 群体 工作量 衡量 分配 协作 | ||
1.一种基于单位竞价和贡献密度的群体感知数据收集方法,其特征在于根据感知任务的单位出价,选中能够带给系统更大效益的任务优先执行。并根据数据收集者的贡献密度,为选定的感知任务选择合适的数据收集者集合来完成任务,以减小完成单个任务的数据收集开销,最大化系统收益。
2.根据权利要求1所述的方法,其特征在于感知任务Ai的单位出价为:
其中Pi为感知任务的出价,为感知任务期望采集的数据量。
3.根据权利要求1和2所述的方法,其特征在于选定感知任务后,剩余未被选中的数据收集者相对于该选定感知任务的贡献密度为该数据收集者的期望酬劳和其覆盖某一个特定感知任务需求数据个数的比值。数据收集者Cj相对于感知任务Ai的贡献密度根据以下公式计算:
其中,为数据收集者Cj为感知任务Ai采集到的需要数据个数,Rj为数据收集者Cj的期望酬劳。
4.根据权利要求3所述的方法,其特征在于为当前的感知任务选择贡献密度最高的数收集者来收集数据。在选中了当前贡献密度最高的数据收集者后,就将该数据收集者已经覆盖的感知任务数据样例从该感知任务的期望的采样数据矩阵中删除。在根据更新后的感知任务的期望采样数据矩阵来重新计算剩余数据收集者的贡献密度。平台重复数据收集者的选择过程直至当前感知任务结束,遍历下一个感知任务。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910019257.4/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理