目标定位一直是自动驾驶、雷达探测等领域的研究重点。针对目标场景未知情况下的定位需求，提出一种基于全局搜索的单像素免成像目标定位（Single-Pixel Image-Free Object Localization based on Global Search, SPIF-GSOL）策略。不...
详细信息
目标定位一直是自动驾驶、雷达探测等领域的研究重点。针对目标场景未知情况下的定位需求，提出一种基于全局搜索的单像素免成像目标定位（Single-Pixel Image-Free Object Localization based on Global Search, SPIF-GSOL）策略。不同于传统单像素成像中加载固定投影序列的方法，该方法利用改进的遗传算法进行全局搜索，通过不断反馈迭代对模板投影位置进行更新，进而实现免成像目标定位。仿真和实验结果表明：该方法在目标尺寸、位置、姿态发生变化以及存在遮挡、目标相似物干扰和复杂场景干扰的情况下仍能实现准确定位，并且与其他方法相比具有明显优势。所提方法为目标场景信息未知情况下的准确定位提供一种新思路，同时能够有效保护图像隐私、节省存储空间，在复杂场景目标定位等领域具有潜在的应用前景。
随着群智感知的普及,以合理的成本招募最佳感知信息提供者的问题变得更加重要,但移动用户追求高回报的贪婪特性会使得招募成本偏高.为此,提出一种针对团体的群智感知招募的激励机制.首先,通过移动用户的属性和任务详细信息来迭代所有可能团体;然后,评估生成的随机初始团体,删除其中违反任务约束的团体,并计算其余团体的信息质量QoI(the quality of information,QoI)比率,团体将经过轮盘赌程序从当前团体中选择候选人进行进化程序,选定的团体经过交叉,在团体之间随机交换成员;最后,进行突变,该过程随机替换团体的成员,从解决方案集中选择具有最佳QoI比率的团体,解决了移动用户对数据进行过高定价以提高利润的倾向.提出的激励机制包括选择和支付机制,避免了移动用户选择过程中的贪婪特性.通过与现有的团队招募框架方法的对比,以及实验数据集与原始模型进行的比较,表明了该激励机制的有效性.
暂无评论