群智感知是随着智能硬件的兴起而产生的最具前景的数据收集方式之一，当前已经在寻人、寻物等大数据领域取得了广泛的应用。但随着无人机等新型无人智能设备的出现，群智感知迎来了新的机遇和挑战。本书主要探讨群智感知技术的前沿问题，特别关注基于“人-机-物”协同的群智感知关键技术。
本书从群智感知的研究背景、发展现状和相关技术出发，系统地对多任务环境下的参与者选择、基于能耗的感知动作推荐、基于协作的参与者隐私保护、基于互信息最大化的协同数据采集、基于深度学习的无人机调度规划以及群智感知的其他应用进行介绍和分析。本书适合对群智感知等物联网技术感兴趣的相关人员阅读。

第1章 绪论
1.1 引言
1.2 研究背景
第2章 群智感知相关工作
2.1 引言
2.2 群智感知相关技术点
2.2.1 感知服务平台建设
2.2.2 参与者选择
2.2.3 资源优化
2.2.4 感知动作推荐
2.2.5 参与者协作
2.2.6 激励、惩罚机制
2.2.7 隐私保护
2.2.8 感知数据挖掘
2.2.9 感知节点调度
2.2.10 群智感知应用
第3章 多任务环境下的参与者选择
3.1 引言
3.2 参与者选择因素
3.2.1 感知任务因素
3.2.2 参与者因素
3.3 系统模型
3.3.1 系统架构
3.3.2 信息质量满足度模型
3.3.3 感知任务预算公平度模型
3.4 基于预算使用公平性的参与者选择策略
3.4.1 最优化问题定义
3.4.2 感知任务权重模型
3.4.3 最优化问题解决方案
3.5 实验设计与结果分析
3.5.1 实验设计
3.5.2 结果分析
第4章 基于能耗的感知动作推荐
4.1 引言
4.2 系统模型
4.3 基于能耗的感知动作推荐模型
4.3.1 信息质量满足度指数
4.3.2 基于能耗的感知动作推荐模型描述
4.4 基于参与者意愿的参与者选择策略
4.4.1 最优化问题定义
4.4.2 最优化问题解决方案
4.5 实验设计与结果分析
4.5.1 实验设计
4.5.2 结果分析
第5章 基于协作的参与者隐私保护
5.1 引言
5.2 系统模型
5.2.1 系统架构
5.2.2 参与者感知能力和激励模型
5.2.3 参与者隐私保护模型
5.3 基于参与者协作的隐私保护机制
5.3.1 参与者选择中的隐私保护机制
5.3.2 混淆机制
5.3.3 数据聚合及激励、惩罚机制
5.3.4 隐私保护水平分析
5.4 实验设计与结果分析
5.4.1 实验设计
5.4.2 结果分析
第6章 基于互信息最大化的协同数据采集
6.1 引言
6.2 系统模型
6.3 系统架构及流程
6.4 基于有限数据的环境数据重建
6.4.1 数据重建
6.4.2 传感器路径规划
6.5 基于蚁群优化算法的移动传感器路径规划
6.6 实验设计与结果分析
6.6.1 实验设计
6.6.2 结果分析
第7章 基于深度学习的无人机调度规划
7.1 引言
7.2 系统模型
7.2.1 系统流程
7.2.2 基于卷积神经网络的特征提取
7.3 基于深度强化学习的解决方案
7.3.1 深度强化学习技术
7.3.2 调度问题定义
7.3.3 考虑充电点的无人机巡航路线规划算法
7.3.4 考虑交通状况的无人充电车快速路径规划算法
7.4 实验设计与结果分析
7.4.1 实验设计
7.4.2 结果分析
第8章 群智感知的其他应用
8.1 引言
8.2 系统模型
8.2.1 系统架构
8.2.2 参与者感知能力和感知任务信息质量模型
8.2.3 基于用户协作的参与者选择策略
8.2.4 聚合单元分配
8.2.5 基于用户协作的感知数据聚合机制
8.2.6 基于数据收集准确度的参与者信誉制度
8.3 基于群智感知的动态事件发现
8.3.1 基于能耗的参与者打扰度模型
8.3.2 基于参与者打扰度的参与者选择策略
8.4 实验设计与结果分析
8.4.1 实验设计
8.4.2 结果分析
第9章 总结和展望
参考文献