CN111459657A - 一种基于边缘协助的数据质量感知的任务分配方法 - Google Patents
一种基于边缘协助的数据质量感知的任务分配方法 Download PDFInfo
- Publication number
- CN111459657A CN111459657A CN202010157792.9A CN202010157792A CN111459657A CN 111459657 A CN111459657 A CN 111459657A CN 202010157792 A CN202010157792 A CN 202010157792A CN 111459657 A CN111459657 A CN 111459657A
- Authority
- CN
- China
- Prior art keywords
- data
- task
- participants
- participant
- perception
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于边缘协助的数据质量感知的任务分配方法,属于通信技术领域。该方法针对移动群智感知MCS系统中感知数据缺乏客观的质量指标评估,无法为任务请求者提供可靠数据服务的问题,根据MCS数据的特征,在云端构建数据有效性和数据时空相关性两个质量指标的评估模型;在边缘服务器端获取当前预选参与者的瞬时状态信息,结合数据有效性质量指标的评估结果,以评估它们的服务能力;依据感知数据的时空相关性质量指标的比较结果,确定是否先在云端招募新的用户参与感知任务,以补充边缘端的任务分配过程中的参与者资源。该方法可显著提高感知数据的质量和任务的完成率。
Description
技术领域
本发明属于通信技术领域,涉及一种基于边缘协助的数据质量感知的任务分配方法。
背景技术
由于电子技术和移动通信技术的快速发展为移动设备提供了充足的计算和通信能力,移动群智感知(Mobile Crowd Sensing,MCS)能够利用大量用户的移动设备去感知和收集数据,并将数据通过无线网络等通信方式将数据上传给MCS平台进行分析处理,从中提取有用的数据,以用于智能交通、环境监测、公共安全和个人健康检测等领域。典型的MCS系统是由用户和平台两个实体组成两层结构,是集中式的处理方式。然而,随着任务请求者的需求日益增加,感知的应用程序和数据量也大规模的增长,集中式的体系结构不能有效地支持实时和大规模MCS应用程序。另外,集中式的平台需要获取参与者的瞬时状态,以确保最佳任务分配。由于参与者的状态随时间变化,需要实时更新其所处的状态,导致终端设备与平台之间的通信时间增长而存在潜在的网络延迟。
移动边缘计算(Mobile Edge Computing,MEC)是通过在移动网边缘部署通用服务器,从而为无线接入网提供IT服务环境和云计算的新兴技术。MCE由于靠近移动用户,可以很大程度上减少网络操作和服务交付的时延,有效缓解移动网络对超低时延的要求。因此,将MEC引入MCS系统结构中作为中间平台,称为MEC协助的MCS系统。一方面,MEC协助的MCS系统在任务分配过程中将部分分配工作卸载到边缘服务器进行处理,以减轻云端的负荷;另一方面,由于MEC协助的MCS系统分布式的处理结构,可以及时跟踪处理用户的动态信息,找到最合适的参与者执行任务。
在MEC协助的MCS系统中,任务分配仍具有挑战。首先,为了给任务请求者提供高质量的数据服务,参与者提交的数据质量必须高,这意味着要对大规模的感知数据作比较客观的质量评估。然而,由于MCS数据极少有相应的标签和质量衡量指标,数据质量的衡量大都从参与者的角度出发,未考虑参与者提交的数据本身,使得任务分配并不能有效得选择服务能力强得参与者执行任务。其次,由于参与者的移动性等不确定因素的影响,它们的状态信息也会不断的变化,如感知设备的可得性,与任务有效范围的距离,执行任务的意愿等。这些状态信息对于参与者的选择有不可忽略的影响,因此,如何及时获取他们的状态以利于任务分配也是关键的挑战之一。最后,如何防止在任务分配过程中因参与者资源不足而导致任务完成率低,进而使数据质量降低的问题,也是一项挑战。
为解决以上挑战,本文提出了一种边缘协助的数据质量感知的任务分配方法。根据MCS数据的特征,在云端构建数据有效性和数据时空相关性两个质量指标的模型;在边缘服务器端获取预选当前参与者的瞬时状态信息,以评估他们的服务能力;依据感知数据的时空相关性比较结果,确定是否先在云端招募新的用户参与感知任务还是直接在边缘端进行任务分配,以保证数据的质量指标合格。
发明内容
有鉴于此,本发明的目的在于提供一种基于边缘协助的数据质量感知的任务分配方法。依据MCS数据特征,在云端构建数据有效性和数据时空相关性两个质量指标的评估模型,以确定预选参与者集合;在边缘服务器端获取当前参与者的瞬时状态信息,以评估他们的服务能力;依据感知数据的时空相关性指标比较结果,确定是否在云端招募新的用户参与感知任务,以补充在边缘服务器中采用基于多臂赌博机的汤姆森采样算法选择服务能力强的参与者执行任务的资源,从而保证数据质量指标合格。
为达到上述目的,本发明提供如下技术方案:
一种基于边缘协助的数据质量感知的任务分配方法,该方法包括以下步骤:
步骤一、任务请求者向中心平台发布任务,中心平台按照每个任务请求者的地点需求将其原始感知任务分解为具有原子性和唯一性的子任务Fj=[f1,...,fi,...,fm],并将子任务发送给相应的边缘服务器,各边缘服务器将子任务部署在其所管理的感知区域L=[l1,....li,....,lm];
步骤二、数据质量指标评估:根据MCS的数据特征和任务请求者的需求,客观评估感知数据的有效性和时空相关性质量指标,并标记符合数据有效性质量指标的参与者作为预选参与者集合;
步骤三、边缘服务器平台获取参与者瞬时状态信息,以评估参与者的服务能力,并将任务分配和用户招募问题公式化;
步骤四、中心平台的用户招募:如果预选参与者提交的感知数据不满足时空覆盖性指标,则先进行用户招募过程,再进行步骤五;
步骤五、任务分配:如果预选参与者提交的感知数据满足时空覆盖性指标,则通过汤姆森采样算法选择服务能力高的参与者执行任务,更新参与者的数据有效性质量指标合格结果,进而更新参与者的服务能力,以作为下一轮的任务分配,整个任务分配过程结束。
可选的,所述步骤二包括以下步骤:
步骤二(一)、数据有效性质量指标是指在任务有效的时间tse内按照任务请求者规定的数据的类型ty、数据的长度len还有数据的范围ran等格式收集数据,记为通过将参与者收集到的实际感知数据与任务请求者的规定的格式进行比较衡量数据有效性指标是否合格,比较结果采用二进制编码记录,并用有效性质量指标合格矩阵Mi表示如下:
在τs时刻的数据结果之间的空间相关性可用相似性来衡量,计算如下:
感知数据结果之间的时间相关性可用相关系数来计算,如下所示:
可选的,所述步骤三包括以下步骤:
步骤三(一)、在τs时刻,参与者的感知设备可得与否用二进制编码“0”或“1”表示,记为ava=0或ava=1;任务的有效范围是以任务固定位置为中心,用最大半径作长度的圆形区域,则在τs时刻,从参与者位置到达有效范围的距离计算如下:
distancemax是参与者愿意移动的最大距离;
步骤三(四)、如果中心平台确定的预选参与者集合Wi *满足任务请求者给出的感知数据的时空相关性质量指标,则在边缘服务器上获取他们的瞬时状态,并选择服务能力强的参与者集合W'=[w'1,....,w'x,....,w'H]去执行任务,任务分配问题可以公式化如下
步骤三(五)、如果不满足任务请求者给出的感知数据的时空相关性质量指标,则在中心平台招募新的参与者;假设每个任务的每一份数据价值为给予参与者的奖励为rd,针对一个任务Fj而言,希望招募的用户能够使社会福利累计增大,社会福利是平台获取的数据价值总和与参与者消耗的时间成本之差,因此,用户招募问题就是招募用户使社会福利最大,公式定义如下:
可选的,所述步骤四包括以下步骤:
步骤四(二)、招募的新参与者数量NW由时空相关性的比较差决定;假设以百分比为单位,每百分之一就招募Nr人,则招募的新参与者数量NW计算如下:
步骤四(四)、当任务的执行时间τs没有超过任务有效时间te时执行以下步骤:
可选的,所述步骤五包括以下步骤:
步骤五(二)、当预选参与者集合不为空x≠0并且轮数小于给定轮数nround<Nround时,边缘服务器端获取参与者的设备可得性,到达有效范围的距离等状态信息,并移除瞬时状态信息不合格的参与者Wi *←Wi *\wx;
步骤五(五)、判断数据有效性质量指标合格矩阵Mi中一行之和是否为4的倍数,更新参与者的数据有效性质量指标合格结果,如果合格ψx←ψx+1,否则进而更新参与者的服务能力;进行下一轮,并给已选参与者支付报酬。
本发明的有益效果在于:通过引入边缘计算作为中间平台,与传统的集中式数据采集系统相比,有效的缓解了云端作为集中平台时任务分配过程计算量大而分配效率不高的问题;同时,针对MCS感知数据的质量做了客观的评估,从而使得任务分配过程中,能够保证所选择的参与者能提供更加高质量的感知数据,另外,考虑了任务分配过程中参与者资源不足的问题,并设计相应的用户招募机制作为解决方案,使得任务分配过程中参与者的资源充足,同时保证任务的完成率和合格的数据有效性质量指标。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明中一种基于边缘协助数据质量感知的任务分配方法系统架构图;
图2为本发明中一种基于边缘协助数据质量感知的任务分配方法流程图;
图3为本发明中任务分配MBA-PS算法流程图;
图4为本发明中基于贪心的用户招募算法图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1~图2所示的一种基于边缘协助数据质量感知的任务分配方法,具体包含以下步骤:
步骤一、任务请求者向中心平台发布任务,中心平台按照每个任务请求者的地点需求将其原始感知任务分解为具有原子性和唯一性的子任务Fj=[f1,...,fi,...,fm],并将子任务发送给相应的边缘服务器,各边缘服务器将子任务部署在其管理的感知区域L=[l1,....li,....,lm]。
步骤二、数据质量指标评估:根据MCS的数据特征和任务请求者的需求,客观评估感知数据的有效性和时空相关性质量指标,并标记符合数据有效性质量指标的参与者作为预选参与者集合。指标评估具体包括以下步骤:
步骤二(一)、数据有效性质量指标是指在任务有效的时间tse内按照任务请求者规定的数据的类型ty、数据的长度len还有数据的范围ran等规定的格式收集数据,记为通过与任务请求者的规定的格式进行比较衡量数据有效性指标是否合格,比较结果采用二进制编码记录,并用数据质量有效性质量合格矩阵Mi表示如下:
则在τs时刻的数据结果之间的空间相关性可用相似性来衡量,计算如下:
则感知数据结果之间的时间相关性可用相关系数来计算,如下所示:
步骤三、边缘服务器平台获取参与者瞬时状态信息,结合数据质量的有效性指标合格结果,以评估参与者的服务能力,并将任务分配和用户招募问题公式化,具体包括以下步骤:
步骤三(一)、在τs时刻,参与者的感知设备可得与否用二进制编码“0”或“1”表示,记为ava=0或ava=1;任务的有效范围是以任务固定位置为中心,用最大半径作长度的圆形区域,则在τs时刻,从参与者位置到达有效范围的距离计算如下:
distancemax表示参与者的愿意移动的最大距离。
步骤三(四)、如果中心平台确定的预选参与者集合Wi *满足任务请求者给出的感知数据的时空相关性质量指标,则在边缘服务器上获取他们的瞬时状态,并选择服务能力强的参与者集合W'=[w'1,....,w'x,....,w'H]去执行任务,以使参与者提交数据满足质量指标,所以,任务分配问题可以公式化如下
步骤三(五)、如果不满足任务请求者给出的感知数据的时空相关性质量指标,则在中心平台招募新的参与者。假设每个任务的每一份数据价值为给予参与者的奖励为rdx,针对一个任务Fj而言,希望招募的参与者能够使社会福利最大,社会福利是平台获取的数据价值总和与参与者消耗的时间成本之差,因此,用户招募问题定义如下:
步骤四、中心平台的用户招募:如果预选参与者提交的感知数据不满足时空覆盖性指标,则先进行用户招募过程,再进行步骤五;用户招募具体包括以下步骤:
步骤四(二)、招募的新参与者数量NW由时空相关性的比较差决定。假设以百分比为单位,每百分之一就招募Nr人,则招募的新参与者数量NW计算如下:
步骤四(四)、当任务的执行时间τs没有超过任务有效时间te时执行以下步骤:
步骤五、任务分配:如果预选参与者提交的感知数据满足时空覆盖性指标,则通过多臂赌博机中的汤姆森采样算法选择服务能力高的参与者执行任务,然后更新参与者的数据有效性质量指标合格结果,进而更新参与者的服务能力,以作为下一轮的任务分配,整个任务分配过程结束。任务分配的具体包括以下步骤:
步骤五(二)、当预选参与者集合不为空x≠0并且轮数小于给定轮数nround<Nround时,边缘服务器端获取参与者的设备可得性,到达任务有效范围的距离的状态信息,并移除瞬时状态信息不合格的参与者Wi *←Wi *\wx;
步骤五(五)、通过判断数据有效性质量指标合格矩阵Mi中一行之和是否是4的倍数,更新参与者的数据有效性质量指标合格结果,如果合格ψx←ψx+1,否则进而更新参与者的服务能力;进行下一轮,并给已选参与者支付报。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于边缘协助的数据质量感知的任务分配方法,其特征在于:该方法包括以下步骤:
步骤一、任务请求者向中心平台发布任务,中心平台按照每个任务请求者的地点需求将其原始感知任务分解为具有原子性和唯一性的子任务Fj=[f1,...,fi,...,fm],并将子任务发送给相应的边缘服务器,各边缘服务器将子任务部署在其所管理的感知区域L=[l1,....li,....,lm];
步骤二、数据质量指标评估:根据MCS的数据特征和任务请求者的需求,客观评估感知数据的有效性和时空相关性质量指标,并标记符合数据有效性质量指标的参与者作为预选参与者集合;
步骤三、边缘服务器平台获取参与者瞬时状态信息,以评估参与者的服务能力,并将任务分配和用户招募问题公式化;
步骤四、中心平台的用户招募:如果预选参与者提交的感知数据不满足时空覆盖性指标,则先进行用户招募过程,再进行步骤五;
步骤五、任务分配:如果预选参与者提交的感知数据满足时空覆盖性指标,则通过多臂赌博机中汤普森采样算法选择服务能力高的参与者执行任务,更新参与者的数据有效性质量指标合格结果,进而更新参与者的服务能力,以作为下一轮的任务分配,整个任务分配过程结束。
2.根据权利要求1所述的一种基于边缘协助的数据质量感知的任务分配方法,其特征在于:所述步骤二包括以下步骤:
步骤二(一)、数据有效性质量指标是指在任务有效的时间tse内按照任务请求者规定的数据的类型ty、数据的长度len还有数据的范围ran等格式收集数据,记为通过将参与者收集到的实际感知数据与任务请求者的规定的格式进行比较衡量数据有效性指标是否合格,比较结果采用二进制编码记录,并用有效性质量指标合格矩阵Mi表示如下:
在τs时刻的数据结果之间的空间相关性可用相似性来衡量,计算如下:
感知数据结果之间的时间相关性可用相关系数来计算,如下所示:
3.根据权利要求1所述的一种基于边缘协助的数据质量感知的任务分配方法,其特征在于:所述步骤三包括以下步骤:
步骤三(一)、在τs时刻,参与者的感知设备可得与否用二进制编码“0”或“1”表示,记为ava=0或ava=1;任务的有效范围是以任务固定位置为中心,用最大半径作长度的圆形区域,则在τs时刻,从参与者位置到达有效范围的距离计算如下:
distancemax是参与者愿意移动的最大距离;
步骤三(四)、如果中心平台确定的预选参与者集合Wi *满足任务请求者给出的感知数据的时空相关性质量指标,则在边缘服务器上获取他们的瞬时状态,并选择服务能力强的参与者集合W'=[w'1,....,w'x,....,w'H]去执行任务,任务分配问题可以公式化如下
步骤三(五)、如果不满足任务请求者给出的感知数据的时空相关性质量指标,则在中心平台招募新的参与者;假设每个任务的每一份数据价值为给予参与者的奖励为rd,针对一个任务Fj而言,希望招募的用户能够使社会福利累计增大,因此,用户招募问题就是招募用户使社会福利最大,社会福利是平台获取的数据价值总和与参与者消耗的时间成本之差,公式定义如下:
4.根据权利要求1所述的一种基于边缘协助的数据质量感知的任务分配方法,其特征在于:所述步骤四包括以下步骤:
步骤四(二)、招募的新参与者数量NW由时空相关性的比较差决定;假设以百分比为单位,每百分之一就招募Nr人,则招募的新参与者数量NW计算如下:
步骤四(四)、当任务的执行时间τs没有超过任务有效时间te时执行以下步骤:
5.根据权利要求1所述的一种基于边缘协助的数据质量感知的任务分配方法,其特征在于:所述步骤五包括以下步骤:
步骤五(二)、当预选参与者集合不为空x≠0并且轮数小于给定轮数nround<Nround时,边缘服务器端获取参与者的设备可得性,到达有效范围的距离等状态信息,并移除瞬时状态信息不合格的参与者Wi *←Wi *\wx;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010157792.9A CN111459657B (zh) | 2020-03-09 | 2020-03-09 | 一种基于边缘协助的数据质量感知的任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010157792.9A CN111459657B (zh) | 2020-03-09 | 2020-03-09 | 一种基于边缘协助的数据质量感知的任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111459657A true CN111459657A (zh) | 2020-07-28 |
CN111459657B CN111459657B (zh) | 2023-03-31 |
Family
ID=71685569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010157792.9A Active CN111459657B (zh) | 2020-03-09 | 2020-03-09 | 一种基于边缘协助的数据质量感知的任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111459657B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113242294A (zh) * | 2021-05-08 | 2021-08-10 | 西北工业大学 | 一种面向群智感知数据的流计算处理方法 |
CN113744192A (zh) * | 2021-08-02 | 2021-12-03 | 清华大学 | 基于边缘计算的肺结节识别方法、装置、设备及介质 |
CN115277694A (zh) * | 2022-06-29 | 2022-11-01 | 北京奇艺世纪科技有限公司 | 一种数据获取方法、装置、系统、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776863A (zh) * | 2018-05-25 | 2018-11-09 | 华南理工大学 | 一种基于用户基数最大化的群智感知激励方法 |
CN110072298A (zh) * | 2018-01-19 | 2019-07-30 | 华北电力大学 | 一种基于边缘计算的鲁棒移动群智感知算法 |
CN110213627A (zh) * | 2019-04-23 | 2019-09-06 | 武汉理工大学 | 基于多小区用户移动性的流媒体缓存分配装置及其工作方法 |
-
2020
- 2020-03-09 CN CN202010157792.9A patent/CN111459657B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110072298A (zh) * | 2018-01-19 | 2019-07-30 | 华北电力大学 | 一种基于边缘计算的鲁棒移动群智感知算法 |
CN108776863A (zh) * | 2018-05-25 | 2018-11-09 | 华南理工大学 | 一种基于用户基数最大化的群智感知激励方法 |
CN110213627A (zh) * | 2019-04-23 | 2019-09-06 | 武汉理工大学 | 基于多小区用户移动性的流媒体缓存分配装置及其工作方法 |
Non-Patent Citations (3)
Title |
---|
KE YAN; GUOMING LU; GUANGCHUN LUO; XU ZHENG; LING TIAN; AKSHITA: "Location Privacy-Aware Task Bidding and Assignment for Mobile Crowd-Sensing", 《IEEE》 * |
裘小林: "基于大数据的智慧交通顶层架构设计", 《湖州广播电视网络传输中心》 * |
邹虹,万彬,吴大鹏: "带有协作意愿感知的边缘协作中继机制", 《系统工程与电子技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113242294A (zh) * | 2021-05-08 | 2021-08-10 | 西北工业大学 | 一种面向群智感知数据的流计算处理方法 |
CN113744192A (zh) * | 2021-08-02 | 2021-12-03 | 清华大学 | 基于边缘计算的肺结节识别方法、装置、设备及介质 |
CN113744192B (zh) * | 2021-08-02 | 2022-09-02 | 清华大学 | 基于边缘计算的肺结节识别方法、装置、设备及介质 |
CN115277694A (zh) * | 2022-06-29 | 2022-11-01 | 北京奇艺世纪科技有限公司 | 一种数据获取方法、装置、系统、电子设备及存储介质 |
CN115277694B (zh) * | 2022-06-29 | 2023-12-08 | 北京奇艺世纪科技有限公司 | 一种数据获取方法、装置、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111459657B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459657B (zh) | 一种基于边缘协助的数据质量感知的任务分配方法 | |
Greyling et al. | Construction and analysis of a composite quality of life index for a region of South Africa | |
Smith et al. | Neural activity reveals preferences without choices | |
Bhat et al. | A multidimensional mixed ordered-response model for analyzing weekend activity participation | |
Smith et al. | The effects of place attachment, hypothetical site modifications and use levels on recreation behavior | |
Cao | Disentangling the influence of neighborhood type and self-selection on driving behavior: an application of sample selection model | |
CN108446944B (zh) | 一种常驻城市的确定方法、装置及电子设备 | |
CN107886241A (zh) | 资源分析方法、装置、介质和电子设备 | |
Henley et al. | A crowdsourced nickel‐and‐dime approach to analog OBM research: A behavioral economic framework for understanding workforce attrition | |
CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
CN108364198A (zh) | 一种基于社交网络的移动众包在线激励方法 | |
Ardington et al. | The sensitivity of estimates of post-apartheid changes in South African poverty and inequality to key data imputations | |
Miles et al. | Measuring community wellbeing: a central Queensland case study | |
Yang et al. | A decentralized trust inference approach with intelligence to improve data collection quality for mobile crowd sensing | |
CN103577535B (zh) | 一种客观评价e-learning用户体验质量的方法 | |
Schreiner | Simple Poverty Scorecard Poverty-Assessment Tool: Cambodia | |
JP6854474B2 (ja) | 位置情報を利用した行動分析システム及びそのプログラム | |
Li et al. | When user interest meets data quality: A novel user filter scheme for mobile crowd sensing | |
CN111464620A (zh) | 一种边缘辅助移动群智感知真值发现系统及其激励方法 | |
CN111353753A (zh) | 资产数字化管理系统以及方法 | |
Phoomvuthisarn | A survey study on reputation-based trust mechanisms in service-oriented computing | |
CN113516229A (zh) | 面向群智感知系统的可信用户优化选择方法 | |
CN104778636B (zh) | 船舶装备维修保障信息服务推荐方法 | |
Kalwij et al. | 12 Item Non-Response and Alternative Imputation Procedures | |
Moore | Segmentation of store choice models using stated preferences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |