Zobrazeno 1 - 10
of 35
pro vyhledávání: '"Mobile crowd sourcing"'
Publikováno v:
IEEE Access, Vol 8, Pp 58730-58741 (2020)
With the tremendous advances in ubiquitous computing, mobile crowd sourcing (MCS) has become an appealing part of the Internet of Things (IoT). In MCS systems, workers collect data with a certain quality, and get incentivized in return. However, MCS
Externí odkaz:
https://doaj.org/article/655ff60028d44d10a447d19bd793367c
Publikováno v:
IEEE Access, Vol 7, Pp 3694-3703 (2019)
In large-scale mobile crowd sensing systems, multi-task-oriented worker selection has shown an increased efficiency in workers’ allocation. However, existing solutions for multi-task selection mainly focus on meeting the requirements of the availab
Externí odkaz:
https://doaj.org/article/41b4384c644442718371bac444703a03
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 8, Pp 58730-58741 (2020)
With the tremendous advances in ubiquitous computing, mobile crowd sourcing (MCS) has become an appealing part of the Internet of Things (IoT). In MCS systems, workers collect data with a certain quality, and get incentivized in return. However, MCS
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::4ca677380b56b9fef0fad46a43840c7f
https://doi.org/10.1109/access.2020.2983092
https://doi.org/10.1109/access.2020.2983092
Publikováno v:
SECON
Funding Information: ACKNOWLEDGMENT This work was partially supported by: the Academy of Finland under grants 299222, 319710, and 326346; and the US National Science Foundation under grant CNS-1751075. Publisher Copyright: © 2021 IEEE. Urban environ
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e50a83314f28e43d4bb31a203f954d32
https://nrl.northumbria.ac.uk/id/eprint/46897/1/Manuscript.pdf
https://nrl.northumbria.ac.uk/id/eprint/46897/1/Manuscript.pdf
Autor:
Thivya Kandappu, Abhinav Mehrotra, Archan Misra, Mirco Musolesi, Shih-Fen Cheng, Lakmal Meegahapola
Publikováno v:
CHIIR
In mobile crowd-sourcing systems, simply relying on people to opportunistically select and perform tasks typically leads to drawbacks such as low task acceptance/completion rates and undesirable spatial skews. In this paper, we utilize data from TASK
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::0d72396370ee262debdbca7beae63316
https://doi.org/10.1145/3343413.3377965
https://doi.org/10.1145/3343413.3377965
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
The mobile crowdsensing (MCS) applications leverage the user data to derive useful information by data-driven evaluation of innovative user contexts and gathering of information at a high data rate. Such access to context-rich data can potentially en
Externí odkaz:
http://hdl.handle.net/2286/R.I.55710