CSWA：无聚合的时空社区感知
机器学习
2017-11-16 v1 社会与信息网络
摘要
在本文中，我们提出一种新颖的社区感知范式——无聚合社区感知 (CSWA)。CSWA 旨在获取目标区域各子区域的环境信息（如空气污染或温度），而无需聚合社区成员采集的传感器与位置数据。CSWA 构建于社区成员间安全的点对点网络之上，并提出了一种基于并行随机梯度下降的新型去中心化时空压缩感知框架。通过分布式优化学习低秩结构，CSWA 利用本地存储于各成员移动设备中的传感器数据，近似每个感知周期内各子区域（含已覆盖与未覆盖）的传感器数据值。基于真实数据集的仿真实验表明，CSWA 具有较低的近似误差（即在城市级温度感知任务中小于 C，在城市空气污染感知中 PM2.5 指数误差为 个单位），且与基于数据聚合与集中式计算的最先进算法性能相当（有时更优）。
引用
@article{arxiv.1711.05712,
title = {CSWA: Aggregation-Free Spatial-Temporal Community Sensing},
author = {Jiang Bian and Haoyi Xiong and Yanjie Fu and Sajal K. Das},
journal= {arXiv preprint arXiv:1711.05712},
year = {2017}
}
备注
This paper has been accepted by AAAI 2018. First two authors are equally contributed