众包中基于CIDA和PI-Cosine的双向质量控制策略

随着移动智能终端的普及，众包采集大规模感知数据变得越来越容易。众包工人的自私性使得他们想通过最少的努力获得最多的报酬，甚至互相勾结、随意提交众包数据，导致众包任务完成质量不高。文中提出了一种基于陪审团的质量控制策略，该机制解决了数据验证问题。针对降低众包质量的行为，在判断是否存在垃圾邮件员工和共谋组织后，使用社区影响力检测算法(CIDA)来检测出共谋团伙领导者及其所在组织，最后使用改进的相似性检测算法(PI-Cosine)筛查垃圾邮件员工。从这两个方面来提高众包数据质量。实验结果表明，所提方法在accuracy和F1-score衡量指标上相比Cosine相似度检测算法提高了12.3%。     

基于UML的医药管理系统的分析与设计

根据医药行业GSP管理的要求，在基于UML建模的基础上，通过面向对象的设计方法，借助Sybase公司的Powerdesigner和Powerbuilder工具，实现了采购、批发、零售连锁、仓库和配送于一体的综合性管理。研究了系统的结构、功能及其工作流程，运用UML进行面向对象的分析和设计，实现了对象模型向关系数据模型的转换，对开发设计管理信息系统有一定的借鉴意义。     

一种基于位置敏感元件的物体位置检测系统

为满足对物体对象的非接触、高精度快速测量定位需要,在分析了目前位置检测技术的基础上,利用一维位置敏感元件(PSD)设计了一种物体位置检测系统,详细介绍了PSD位置检测的原理,通过单片机实现了对物体对象位置信号的采集处理,并把结果显示在上位机中;结果表明,整个检测系统响应速度较快、测试精度较高,可以达到±5%,实现了对物体对象的非接触精确测量定位,可应用于对精度要求较高的各种精密测试领域。     

基于Pareto分布的众包工人欺骗行为处理方法

由于众包的组织模式自由松散,致使众包工人在完成任务的过程中存在欺骗行为。如何识别工人的欺骗行为并降低其影响,从而保障众包任务的完成质量,已经成为众包领域的研究热点之一。通过对任务结果的评估与分析,针对众包工人统一型欺骗行为,提出了一种基于广义Pareto分布（GPD）的权重设置算法（WSABG）。该算法对GPD进行极大似然估计,并用二分法逼近似然函数的零点以计算出尺度参数σ和形状参数ε。算法中定义了新的权重公式,并利用众包工人完成当前任务的反馈数据赋予每位工人一个绝对影响权重,最终设计出了基于GPD的众包工人权重设置框架。所提算法可以解决任务结果数据之间差异性小且容易集中在两极的问题。以烟台大学学生评教数据为实验数据集,提出了区间转移矩阵的概念,证明了WSABG算法的有效性和优势。     

基于禁忌搜索的时空众包任务分配算法

为了在时空众包任务分配过程中减少移动成本、缩短任务完成时间,本文将时空众包和路径规划问题结合起来,提出了一种基于自适应阈值的禁忌搜索算法,该算法通过在线学习的方式,进行路径规划设计,计算出每个任务合理的预估等待时间,匹配区域内的众包任务,并在最短的时间内完成任务。通过实验对比,本文所提算法在任务耗费时间上平均比Adaptive RT算法降低13%,比ASPT算法降低23.3%。在移动成本上比Adaptive RT算法降低了6.99%,比ASPT算法降低了25.9%。     

基于声誉的移动众包系统的在线激励机制

在大数据环境下,对移动众包系统的研究已经成为移动社会网络（MSN）的研究热点。然而由于网络个体的自私性,容易导致移动众包系统的不可信问题,为了激励个体对可信策略的选取,提出一种基于声誉的移动众包系统的激励机制——RMI。首先,结合演化博弈理论和生物学中的Wright-Fisher模型研究移动众包系统的可信演化趋势;在此基础上,分别针对free-riding问题和false-reporting问题建立相应的声誉更新方法,从而形成一套完整的激励机制,激励感知用户和任务请求者对可信策略的选取;最后通过模拟实验对提出的激励机制的有效性和适应性进行了验证。结果显示,与传统的基于社会规范的声誉更新方法相比,RMI有效地提高了移动众包系统的可信性。     

时空众包中基于质量感知的在线激励机制

在实时、复杂的网络环境中，如何激励工人参与任务并得到高质量的感知数据是时空众包研究的重点。基于此，提出一种基于质量感知的时空众包在线激励机制。首先，为了适应时空众包实时性的特点，提出一种阶段性在线选择工人算法（POA），该算法在预算约束下将整个众包活动周期分为多个阶段，每个阶段在线选择工人；其次，为了提高质量预估的精度与效率，提出一种改进的最大期望（IEM）算法，该算法在算法迭代的过程中优先考虑可信度高的工人提交的任务结果；最后，通过真实数据集上的对比实验，验证了所提激励机制在提高平台效用方面的有效性。实验结果表明，POA相较于改进的两阶段拍卖（ITA）算法、多属性与两阶段相结合的拍卖（M-ITA）算法，以及L-VCG(Lyapunov-based Vickrey-Clarke-Groves)等拍卖算法，效率平均提高了11.11%，工人的额外奖励金额平均提升了12.12%，可以激励工人向冷门偏远地区移动；在质量预估方面，IEM算法相比其他质量预估算法，在精度和效率上分别平均提高了5.06%和14.2%。