[发明专利]一种面向边缘计算数据质量感知的区别化激励方法

权利要求书

1.一种面向边缘计算数据质量感知的区别化激励方法，其特征在于，包括步骤：

S1.提取用户上传的群智感知数据，根据所述群智感知数据建立二维数据坐标，并采用LOF算法计算建立的二维数据坐标中每个点相对于其他点的离群因子；

S2.将每个数据的离群因子和标准值1的差值与预设范围进行比较，得到每个数据的质量等级；

S3.根据每个数据的质量等级，得到所述质量等级相对应的用户等级，并提供与所述用户等级相对应的回报信息；

步骤S2中将每个数据的离群因子和标准值1的差值与预设范围进行比较之后还包括：

S21.若离群因子和标准值1的差值小于预设范围时，得到所述离群因子中对应的数据为高质量数据，将所述高质量数据对应的用户保存至集合U_g中；

S22.若离群因子和标准值1的差值大于等于预设范围时，得到所述离群因子对应的数据为低质量数据，将所述低质量数据对应的用户保存至集合U_m中；

步骤S22中得到离群因子对应的数据为低质量数据之后还包括：

判断所述低质量数据的准确度是否高于预设阈值，若是，则将所述低质量数据中准确度高于预设阈值的数据相对应的用户保存于集合中；若否，则将所述低质量数据中准确度低于预设阈值的数据对应的用户保存于集合U_m中；

步骤S3具体包括：

若用户处于集合U_m中，则不提供回报；

若用户处于集合中，则用户获得的基础回报δ；

若用户处于集合U_g中，则用户获得回报r_i；

所述用户获得的基础回报δ，表示为：

其中，R表示服务器所给出的总回报；表示为集合中的用户数量；r_i表示用户获得的回报；

所述用户获得的回报r_i具体包括：

计算用户的信誉度，表示为：

ρ_i＝k/LOF(i)

其中，ρ_i表示用户i的信誉度；k表示由特定的应用定义的常量；

用户获得的回报r_i，表示为：

其中，表示用户所获得回报的估计值；W表示U_g集合中用户所获得总回报的估计值。

2.根据权利要求1所述的一种面向边缘计算数据质量感知的区别化激励方法，其特征在于，步骤S1中采用LOF算法计算建立的二维数据坐标中每个点相对于其他点的离群因子，表示为：

其中，LOF_k(A)表示数据A的离群因子；A表示用户上传的其中一个数据；lrd_k(A)表示点A的第k邻域内的点的平均可达距离的倒数；表示点A第k邻域内所有的点；lrd(O)表示点O的平均可达距离的倒数；N_k(A)表示点A的第k邻域。

3.根据权利要求1所述的一种面向边缘计算数据质量感知的区别化激励方法，其特征在于，步骤S3中提供与所述用户等级相对应的回报信息，表示为：

其中，r_i表示用户获得的回报。