[发明专利]基于时空移动特征分布的移动群智感知用户联盟聚类方法

说明书

本发明属于移动群智感知中用户聚类及任务分配技术领域，具体涉及一种基于时空移动特征分布的移动群智感知用户联盟聚类方法，包括以下步骤：1)描述用户移动行为特征与用户活跃度，确定初始联盟聚类中心；2)基于用户上传数据，计算用户数据与联盟相似度，设置每个联盟中的用户上限，保障聚类数据的平衡性；3)结合得到的用户联盟相似度与当前联盟中用户数量，基于用户联盟判定准则，实现用户联盟聚类。本发明在用户数据质量已知的条件下，可有效地挖掘出重要用户数据，算法稳定，聚类速率快，保证聚类结果的平衡性并提升聚类效果。本发明与现有技术中两种常见的聚类方法进行性能相比，具有分类准确率高、平衡性效果优和计算复杂度低的优点。

技术领域

本发明属于移动群智感知中用户聚类及任务分配技术领域，具体涉及一种基于时空移动特征分布的移动群智感知用户联盟聚类方法。

背景技术

近年来，随着用户手持移动智能设备的日益普及与通信网络技术的不断发展，移动群智感知(Mobile Crowdsensing,MCS)已成为跨空间和大规模数据传感的一个前沿研究问题，通过以参与用户作为中心，实现大量感知任务的执行。虽然移动群智感知的研究已得到了长足的发展，但考虑到用户感知能力的差异性，任务地理位置的多样性，如何确保任务的合理分配已成为一个亟待解决的问题。

任务分配是MCS感知任务中的关键问题，它是在用户与任务之间找到最佳匹配方法。通常，用户的时空分布将影响着任务分配的优劣。聚类使处于相同任务区域中的用户具有更高的相似性，提升了备选用户数据的可用性，增强任务分配的合理性。用户聚类是移动群智感知必不可少的技术之一

在现实中，现有的用户聚类方法普遍存才算法复杂度高于数据平衡性差的不足，因此，需要一种低复杂度且具有平衡性的用户聚类方法，以增强用户可用性，为任务分配高效性提供保障。

发明内容

本发明的目的在于提供在用户数据质量已知的条件下，可以有效地挖掘出重要用户数据，算法稳定，聚类速率快，保证聚类结果的平衡性并提升聚类效果的一种基于时空移动特征分布的移动群智感知用户联盟聚类方法。

本发明的目的通过如下技术方案来实现：包括以下步骤：

步骤1：计算用户移动行为特征与用户活跃度，确定K个联盟的初始聚类中心点c_j，j＝1,2,...,K；

所述的用户移动行为特征反映用户在给定时间间隔内，在不同空间位置上的移动时空行为分布特征，用户移动行为特征表示为：

其中，mbc(u_i,l_s)表示用户u_i在空间位置l_s上的用户移动行为特征；f_qua(u_i,l_s)表示用户u_i在空间位置l_s上的数据质量；f_qua(u_i,l)表示用户u_i在所有空间位置l上的数据质量；f_co(u_i,l_s)表示用户u_i在空间位置l_s上的感知成本；f_co(u_i,l)表示用户u_i在所有空间位置l上的感知成本；

所述的用户活跃度ma(u_i,l)为用户u_i在所有空间位置l上的数据质量与感知成本，用户活跃度ma(u_j,l)表示为：；

其中，n为用户的数量；

步骤2：基于用户上传数据，计算用户数据与联盟相似度，设置每个联盟中的用户上限τ，保障聚类数据的平衡性；