物联网移动群智感知任务协同排序推荐优化

为了提高移动群智感知（mobile crowd sensing,MCS）中的数据质量,设计了一种混合模型（hybrid model,HM）与列表级排序（list-wise ranking,LWR）相结合的推荐方法 HM-LWR。研究结果表明：采用HM-LWR算法模型能够较精确地预测参与者的任务偏好情况,分配MCS任务时可以有效提升准确性与运算效率。得到最优参数指标：学习速率μ=0.01,正则化参数λ=0.01,迭代100次,相似度模型调控指标α=0.5。HM-LWR算法相较于MSC与LWR算法有明显提高,相较于高斯尺度混合（Gaussian scale mixtures,GSMs）算法则有小幅提升,达到了近96%的平均准确率。该研究有助于提高物联网移动群智感知能力,提高用户使用亲和度体验感。