群智感知计算
全新正版 极速发货
￥ 33.15 5.6折 ￥ 59 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者於志文,郭斌,王亮
出版社清华大学出版社
ISBN9787302583523
出版时间2021-10
装帧平装
开本16开
定价59元
货号1202507361
上书时间2024-11-21
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
於志文，博士，教授，博士生导师，国家杰青，国家“万人计划”科技创新领军人才，智能感知与计算工信部重点实验室主任。
目录
章 绪论
1.1 背景和意义
1.2 发展历程
1.3 群智感知的两种模式
1.4 主要挑战和研究内容
1.5 国内外研究现状
1.5.1 感知任务分配与激励机制
1.5.2 群智感知数据优选
1.5.3 感知数据移交
1.5.4 群智感知应用
1.6 本书结构
1.7 本章小结
习题
本章参考文献
第2章 群智感知计算的基本概念与体系结构
2.1 基本概念
2.1.1 群智协作方式
2.1.2 感知计算主体
2.1.3 主要研究问题描述
2.1.4 低成本数据采集
2.2 群智感知任务模型
2.3 用户模型
2.3.1 用户角色及特征
2.3.2 需求分析
2.3.3 多侧面用户属性
2.3.4 复杂任务模型分析
2.4 数据模型
2.4.1 群智数据产生模式及特点
2.4.2 群智数据感知方法
2.4.3 群智数据优选与理解
2.5 通用群智感知系统架构
2.6 小结
习题
本章参考文献
第3章 移动群智感知任务单引标优化分配
3.1 面向即时任务的多任务工作者选择
3.1.1 问题分析
3.1.2 问题定义
3.1.3 贪心解法NearsFirst
3.1.4 遗传算法
3.1.5 融合贪心策略的遗传算法（GGA-I）
3.1.6 实验验证
3.2 面向容延任务的多任务工作者选择
3.2.1 问题分析
3.2.2 问题定义
3.2.3 贪心算法MostFirst
3.2.4 融合贪心算法的遗传算法（GGA-U）
3.2.5 实验验证
3.3 基于移动社交网络的群智感知社群化任务分发
3.3.1 问题定义
3.3.2 基于移动行为相似度的社群动态划分
3.3.3 移动群智感知社群化任务分发
3.3.4 实验结果及分析
3.4 本章小结
习题
本章参考文献
第4章 移动群智感知任务多引标优化分配
4.1 用户资源匮乏情况下的任务分配
4.1.1 问题背景
4.1.2 问题定义
4.1.3 问题分析
4.1.4 算法设计
4.1.5 实验验证
4.2 用户资源充足情况下的任务分配
4.2.1 问题背景
……
第5章 数据质量评估与优选
第6章 移动群智感知高效数据移交
第7章 移动群智感知位置隐私保护
第8章 移动群智感知激励机制设计
第9章 群智感知典型应用
0章 移动群智感知操作系统Crowdos
内容摘要
随着物联网和移动互联网技术的发展，“群智感知计算”作为一种新的感知模式应运而生。区别于传统的传感网感知方式，群智感知计算利用广泛且自然分布的持有智能设备的用户作为移动感知单元，通过群体的广泛参与、灵活移动、机会连接实现大规模、无处不在的感知过程，目前已成为物联网、移动计算等领域的学科前沿与研究热点。本书按照“理论—方法/技术—平台—应用”的组织思路，遵循“创新引领、深入浅出、理论+实践”的原则基调，针对群智感知计算的基本概念、体系架构、任务优化分配、数据优选、质量评估、数据移交、计算平台及典型应用等进行深入的探讨。本书为物联网、移动计算、智慧城市等领域的研究人员、高年级本科生或研究生等提供了具有创新性与前瞻性的群智感知计算近期新研究成果和学习参考。
主编推荐
群体智能是国务院2017年印发的“新一代人工智能发展规划”部署的重要研究领域，“新一代人工智能发展规划”提出了我国在群体智能基础理论和核心技术领域于2020年实现重要进展、2030年取得重大突破的战略目标。区别于传统的传感网感知方式，群智感知计算利用广泛且自然分布的持有智能设备的用户作为移动感知单元，通过群体的广泛参与、灵活移动、机会连接实现大规模、无处不在的感知过程，是目前物联网、人工智能等领域的学科前沿与研究热点。本书结合作者在国家自然科学基金重点项目“群智感知网络”及相关领域的丰富的科研实践，基于取得的一系列突破性研究成果，按照“理论—方法/技术—平台—应用”的组织思路，遵循“创新引领、深入浅出、理论+实践”的原则，针对群智感知计算的基本概念、体系架构，以及任务优化分配、数据优选、质量评估、数据移交、计算平台和典型应用等挑战性的研究问题进行系统性阐述。书中阐述的系列原创性研究成果已得到美国、英国、日本、法国、加拿大等几十个国家的众多科研同行的认可和应用，为构建全生态的群智感知研究、实验验证与领域应用提供多方面支撑。中国科学院王怀民院士等专家评价该书的学术水平具有靠前靠前性，并有很强的应用价值。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价