CN107578258A - 一种智能景区旅游服务公平性游客评价控制*** - Google Patents
一种智能景区旅游服务公平性游客评价控制*** Download PDFInfo
- Publication number
- CN107578258A CN107578258A CN201710835468.6A CN201710835468A CN107578258A CN 107578258 A CN107578258 A CN 107578258A CN 201710835468 A CN201710835468 A CN 201710835468A CN 107578258 A CN107578258 A CN 107578258A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msup
- mfrac
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 235000007926 Craterellus fallax Nutrition 0.000 abstract description 2
- 240000007175 Datura inoxia Species 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明属于旅游服务评价领域，公开了一种智能景区旅游服务公平性游客评价控制***。该智能景区旅游服务公平性游客评价控制***包括云端、无线网络、移动终端。其中，移动终端包括监测模块、更新模块、数据处理模块、统计模块和无线通信模块。本发明运用云端的方式可以保护用户数据的安全并且节约成本，为我们的生活带来了极大的便利。并且该***评价功能较全，展示信息较为丰富，服务人员也可以用移动终端登陆云端，及时查看评价信息，了解自己的不足之处，使消费者权益得到及时的保障。
Description
技术领域
本发明属于旅游服务评价领域，尤其涉及一种智能景区旅游服务公平性游客评价控制***。
背景技术
旅游近年来持续升温,旅游服务是一定经济发展阶段的一种综合***现象,是发生在旅游服务提供者和接受者之间的一种无形性的互动,旅游服务的供需双方在交换中实现了各自利益的满足,但互动过程不涉及权的转移。在旅游服务实施的过程当中，出现了许多消费者权益受到侵犯的问题，这就需要一种服务评价控制***。然而，现有的评价***，可能用户数据信息存储不安全，功能单一，展示信息不丰富，与服务人员互动较小，这给消费者维权带来了许多困扰。
综上所述，现有技术存在的问题是：现有的评价***功能单一，展示信息不丰富，与服务人员互动效果差，给消费者维权带来许多困扰。
发明内容
针对现有技术存在的问题，本发明提供了一种智能景区旅游服务公平性游客评价控制***。
本发明是这样实现的，一种智能景区旅游服务公平性游客评价控制***，所述智能景区旅游服务公平性游客评价控制***包括包括：云端、无线网络、移动终端；
移动终端通过无线网络与云端通过蓝牙或WIFI进行无线通信；
所述无线网络的转发节点组的选择方法包括：节点h发送数据包给目的节点，h+i是节点h的一个邻居节点，如果其靠近最远邻居节点并且有更多的剩余能量，则邻居节点h+i可作为候选转发节点。对这些合适的候选节点依据到能量等效节点的距离和每个节点的剩余能量排序：
dh+i-dh为节点h和其邻居节点h+i之间的距离；Eh+i代表节点h+i的剩余能量。N(h)为选出的节点h的候选转发节点。P(h+i)的值越大，节点优先级越高；最高优先级的候选转发节点作为下一个转发节点；
所述移动终端的时频重叠信号的归一化高阶累积量方程组构建方法包括：
接收信号的信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ2的平稳高斯白噪声；
混合信号的高阶累积量公式如下：
两边同时除以混合信号的二阶矩k/2次方：
进一步变形为：
其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv。由于高斯白噪声的高阶累积量为0，所以上式可以表示为：
由此，构建归一化高阶累积量方程组：
所述云端的数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率，具体包括：
第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i＝1…k设计一个权重然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量
第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下：
其中：
移动终端包括监测模块、更新模块、数据处理模块、统计模块、无线通信模块；
监测模块，用于响应移动终端的开机操作，使移动终端进入服务评价界面；
更新模块，用于每隔预定时间更新该服务评价界面，便于用户及时了解服务信息；
数据处理模块，用于响应用户在该服务评价界面的输入操作，生成及存储评价信息，及通过该无线通信模块发送该评价信息到云端；
统计模块，用于统计一段时间内服务对象对使用该移动终端的旅游服务人员的评价信息，生成评价结果；
无线通信模块，用于移动终端发送评价信息到云端和云端发送更新信息给移动终端。
进一步，所述无线通信模块对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：
li＝(xi,yi)；
其中xi，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：
ni＝(ni,1,ni,2,...,ni,c)；
其中ni,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；
基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：
其中β是一个0-1之间的权重系数；
使用K-Means聚类方法，对小区内所有的用户D进行聚类，ui＝{li,ni}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D1,…,DC}，数学模型上是对下式求最小值：
其中γk为用户群的中心；
所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：
步骤一，从D中随机取C个用户，作为C个用户群的中心；
步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；
步骤三，根据聚类结果，更新C个用户群的中心γk＝{lk,nk}，用如下公式：
其中mi是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。
本发明的优点及积极效果为：运用云端的方式，可以保护用户数据的安全并且节约成本，为我们的生活带来了极大的便利。并且该***评价功能较全，展示信息较为丰富，服务人员也可以用移动终端登陆云端，及时查看评价信息，了解自己的不足之处，使消费者权益得到及时的保障。
附图说明
图1是本发明实施例提供的智能景区旅游服务公平性游客评价控制***结构示意图；
图中：1、云端；2、无线网络；3、移动终端。
图2是本发明实施例提供的移动终端的结构示意图；
图中：4、监测模块；5、更新模块；6、数据处理模块；7、统计模块；8、无线通信模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1和图2所示，本发明实施例提供的智能景区旅游服务公平性游客评价控制***包括：云端1、无线网络2、移动终端3。
移动终端3通过无线网络2与云端1通过蓝牙或WIFI进行无线通信。
移动终端3包括监测模块4、更新模块5、数据处理模块6、统计模块7、无线通信模块8。
监测模块4，用于响应移动终端的开机操作，使移动终端进入服务评价界面。
更新模块5，用于每隔预定时间更新该服务评价界面，便于用户及时了解服务信息。
数据处理模块6，用于响应用户在该服务评价界面的输入操作，生成及存储评价信息，及通过该无线通信模块发送该评价信息到云端。
统计模块7，用于统计一段时间内服务对象对使用该移动终端的旅游服务人员的评价信息，生成评价结果。
无线通信模块8，用于移动终端发送评价信息到云端和云端发送更新信息给移动终端。
所述无线网络的转发节点组的选择方法包括：节点h发送数据包给目的节点，h+i是节点h的一个邻居节点，如果其靠近最远邻居节点并且有更多的剩余能量，则邻居节点h+i可作为候选转发节点。对这些合适的候选节点依据到能量等效节点的距离和每个节点的剩余能量排序：
dh+i-dh为节点h和其邻居节点h+i之间的距离；Eh+i代表节点h+i的剩余能量。N(h)为选出的节点h的候选转发节点。P(h+i)的值越大，节点优先级越高；最高优先级的候选转发节点作为下一个转发节点；
所述移动终端的时频重叠信号的归一化高阶累积量方程组构建方法包括：
接收信号的信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ2的平稳高斯白噪声；
混合信号的高阶累积量公式如下：
两边同时除以混合信号的二阶矩k/2次方：
进一步变形为：
其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv。由于高斯白噪声的高阶累积量为0，所以上式可以表示为：
由此，构建归一化高阶累积量方程组：
所述云端的数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率，具体包括：
第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i＝1…k设计一个权重然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量
第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下：
其中：
所述无线通信模块对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：
li＝(xi,yi)；
其中xi，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：
ni＝(ni,1,ni,2,...,ni,c)；
其中ni,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；
基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：
其中β是一个0-1之间的权重系数；
使用K-Means聚类方法，对小区内所有的用户D进行聚类，ui＝{li,ni}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D1,…,DC}，数学模型上是对下式求最小值：
其中γk为用户群的中心；
所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：
步骤一，从D中随机取C个用户，作为C个用户群的中心；
步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；
步骤三，根据聚类结果，更新C个用户群的中心γk＝{lk,nk}，用如下公式：
其中mi是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种智能景区旅游服务公平性游客评价控制***，其特征在于，所述智能景区旅游服务公平性游客评价控制***包括包括：云端、无线网络、移动终端；
移动终端通过无线网络与云端通过蓝牙或WIFI进行无线通信；
所述无线网络的转发节点组的选择方法包括：节点h发送数据包给目的节点，h+i是节点h的一个邻居节点，如果其靠近最远邻居节点并且有更多的剩余能量，则邻居节点h+i可作为候选转发节点；对这些合适的候选节点依据到能量等效节点的距离和每个节点的剩余能量排序：
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>h</mi>
<mo>+</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<mi>E</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mi>i</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>R</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mi>h</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mi>h</mi>
<mo>+</mo>
<mi>i</mi>
<mo>)</mo>
<mo>&Element;</mo>
<mi>N</mi>
<mo>(</mo>
<mi>h</mi>
<mo>)</mo>
<mo>,</mo>
<mo>-</mo>
<mi>R</mi>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>R</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
dh+i-dh为节点h和其邻居节点h+i之间的距离；Eh+i代表节点h+i的剩余能量；N(h)为选出的节点h的候选转发节点；P(h+i)的值越大，节点优先级越高；最高优先级的候选转发节点作为下一个转发节点；
所述移动终端的时频重叠信号的归一化高阶累积量方程组构建方法包括：
接收信号的信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munder>
<mi>&Sigma;</mi>
<mi>k</mi>
</munder>
<msub>
<mi>A</mi>
<mrow>
<mi>k</mi>
<mi>i</mi>
</mrow>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mi>c</mi>
</msub>
<mi>t</mi>
<mo>+</mo>
<msub>
<mi>&theta;</mi>
<mrow>
<mi>k</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>kT</mi>
<mrow>
<mi>s</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ2的平稳高斯白噪声；
混合信号的高阶累积量公式如下：
<mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>r</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>+</mo>
<mo>...</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
两边同时除以混合信号的二阶矩k/2次方：
<mrow>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>r</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>=</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>+</mo>
<mn>...</mn>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>;</mo>
</mrow>
进一步变形为：
<mrow>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>r</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>=</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>+</mo>
<mo>...</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>v</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>v</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
</mrow>
其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv；由于高斯白噪声的高阶累积量为0，所以上式可以表示为：
<mrow>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>r</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>=</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</msub>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</msub>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>+</mo>
<mo>...</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
</msub>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>;</mo>
</mrow>
由此，构建归一化高阶累积量方程组：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>4</mn>
<mo>,</mo>
<mi>r</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mo>=</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>4</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>4</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>...</mn>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>4</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>6</mn>
<mo>,</mo>
<mi>r</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
</mfrac>
<mo>=</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>6</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</msub>
<mn>3</mn>
</msup>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>6</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>...</mn>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>6</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
</msub>
<mn>3</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>8</mn>
<mo>,</mo>
<mi>r</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>4</mn>
</msup>
</mfrac>
<mo>=</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>8</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>4</mn>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</msub>
<mn>4</mn>
</msup>
<mo>+</mo>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>8</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>4</mn>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</msub>
<mn>4</mn>
</msup>
<mo>+</mo>
<mn>...</mn>
<mfrac>
<msub>
<mi>C</mi>
<mrow>
<mn>8</mn>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>4</mn>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>x</mi>
<mi>N</mi>
</msub>
</msub>
<mn>4</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>...</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
所述云端的数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率，具体包括：
第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i＝1…k设计一个权重然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量
第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下：
<mrow>
<msub>
<mi>P</mi>
<mi>f</mi>
</msub>
<mo>=</mo>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msqrt>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</msubsup>
<msup>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>d</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<msqrt>
<mrow>
<msub>
<mi>&tau;</mi>
<mi>s</mi>
</msub>
<msub>
<mi>f</mi>
<mi>s</mi>
</msub>
</mrow>
</msqrt>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</msubsup>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>2</mn>
</msubsup>
</mfrac>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
其中：
移动终端包括监测模块、更新模块、数据处理模块、统计模块、无线通信模块；
监测模块，用于响应移动终端的开机操作，使移动终端进入服务评价界面；
更新模块，用于每隔预定时间更新该服务评价界面，便于用户及时了解服务信息；
数据处理模块，用于响应用户在该服务评价界面的输入操作，生成及存储评价信息，及通过该无线通信模块发送该评价信息到云端；
统计模块，用于统计一段时间内服务对象对使用该移动终端的旅游服务人员的评价信息，生成评价结果；
无线通信模块，用于移动终端发送评价信息到云端和云端发送更新信息给移动终端。
2.如权利要求1所述的智能景区旅游服务公平性游客评价控制***，其特征在于，所述无线通信模块对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：
li＝(xi,yi)；
其中xi，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：
ni＝(ni,1,ni,2,...,ni,c)；
其中ni,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；
基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：
<mrow>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&beta;</mi>
<mfrac>
<mrow>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>&CenterDot;</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&beta;</mi>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>n</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>&CenterDot;</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>n</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中β是一个0-1之间的权重系数；
使用K-Means聚类方法，对小区内所有的用户D进行聚类，ui＝{li,ni}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D1,…,DC}，数学模型上是对下式求最小值：
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>C</mi>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&gamma;</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>;</mo>
</mrow>
其中γk为用户群的中心；
所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：
步骤一，从D中随机取C个用户，作为C个用户群的中心；
步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；
步骤三，根据聚类结果，更新C个用户群的中心γk＝{lk,nk}，用如下公式：
<mrow>
<msub>
<mi>l</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>n</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中mi是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710835468.6A CN107578258A (zh) | 2017-09-15 | 2017-09-15 | 一种智能景区旅游服务公平性游客评价控制*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710835468.6A CN107578258A (zh) | 2017-09-15 | 2017-09-15 | 一种智能景区旅游服务公平性游客评价控制*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107578258A true CN107578258A (zh) | 2018-01-12 |
Family
ID=61033223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710835468.6A Pending CN107578258A (zh) | 2017-09-15 | 2017-09-15 | 一种智能景区旅游服务公平性游客评价控制*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107578258A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108416501A (zh) * | 2018-01-31 | 2018-08-17 | 山东汇贸电子口岸有限公司 | 一种基于打分评价避免游客投诉团队的方法 |
| CN110149391A (zh) * | 2019-05-17 | 2019-08-20 | 安澳智能***（南京）股份有限公司 | 一种基于特征信息的智慧社区平台***及方法 |
| CN111859190A (zh) * | 2020-07-21 | 2020-10-30 | 南京智金科技创新服务中心 | 一种数字化景区管理*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104202102A (zh) * | 2014-09-10 | 2014-12-10 | 西安电子科技大学 | 一种考虑恶意节点的认知无线电网络合作频谱感知方法 |
| CN105072689A (zh) * | 2015-08-31 | 2015-11-18 | 西安电子科技大学 | 基于有源天线阵列模型的多播***无线资源优化分配方法 |
| CN105427208A (zh) * | 2015-11-11 | 2016-03-23 | 镇江市高等专科学校 | 一种基于云计算的智慧旅游管理***的管理方法 |
| CN105978641A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 一种认知无线电中时频重叠信号的信噪比估计方法 |
| CN106507423A (zh) * | 2016-12-02 | 2017-03-15 | 中国人民解放***箭军工程大学 | 一种基于动态可达域的无线传感器网络路由方法 |
-
2017
- 2017-09-15 CN CN201710835468.6A patent/CN107578258A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104202102A (zh) * | 2014-09-10 | 2014-12-10 | 西安电子科技大学 | 一种考虑恶意节点的认知无线电网络合作频谱感知方法 |
| CN105072689A (zh) * | 2015-08-31 | 2015-11-18 | 西安电子科技大学 | 基于有源天线阵列模型的多播***无线资源优化分配方法 |
| CN105427208A (zh) * | 2015-11-11 | 2016-03-23 | 镇江市高等专科学校 | 一种基于云计算的智慧旅游管理***的管理方法 |
| CN105978641A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 一种认知无线电中时频重叠信号的信噪比估计方法 |
| CN106507423A (zh) * | 2016-12-02 | 2017-03-15 | 中国人民解放***箭军工程大学 | 一种基于动态可达域的无线传感器网络路由方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108416501A (zh) * | 2018-01-31 | 2018-08-17 | 山东汇贸电子口岸有限公司 | 一种基于打分评价避免游客投诉团队的方法 |
| CN110149391A (zh) * | 2019-05-17 | 2019-08-20 | 安澳智能***（南京）股份有限公司 | 一种基于特征信息的智慧社区平台***及方法 |
| CN111859190A (zh) * | 2020-07-21 | 2020-10-30 | 南京智金科技创新服务中心 | 一种数字化景区管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tripp-Barba et al. | Survey on routing protocols for vehicular ad hoc networks based on multimetrics | |
| Ejaz et al. | Internet of things for smart cities: technologies, big data and security | |
| Zhou et al. | Social big-data-based content dissemination in internet of vehicles | |
| Ning et al. | Deep learning in edge of vehicles: Exploring trirelationship for data transmission | |
| Mohammed Nasr et al. | VANET clustering based routing protocol suitable for deserts | |
| Lai et al. | A machine learning system for routing decision-making in urban vehicular ad hoc networks | |
| Shi et al. | An efficient algorithm for energy management in wireless sensor networks via employing multiple mobile sinks | |
| Xu et al. | A latency and coverage optimized data collection scheme for smart cities based on vehicular ad-hoc networks | |
| Kim et al. | A cooperative communication protocol for QoS provisioning in IEEE 802.11 p/wave vehicular networks | |
| Tian et al. | Optimized gateway placement for interference cancellation in transmit-only LPWA networks | |
| CN107578258A (zh) | 一种智能景区旅游服务公平性游客评价控制*** | |
| Xu et al. | Joint relay selection and resource allocation for energy-efficient D2D cooperative communications using matching theory | |
| Abdeen et al. | Performance evaluation of VANET routing protocols in Madinah city | |
| Tran et al. | An efficient connected dominating set clustering based routing protocol with dynamic channel selection in cognitive mobile ad hoc networks | |
| Douik et al. | A tutorial on clique problems in communications and signal processing | |
| Guo et al. | A lightweight verifiable trust based data collection approach for sensor–cloud systems | |
| Basha et al. | UAV recharging opportunities and policies for sensor networks | |
| Tilwari et al. | EMBLR: A high-performance optimal routing approach for D2D communications in large-scale IoT 5G network | |
| Peyman et al. | Optimization of vehicular networks in smart cities: from agile optimization to learnheuristics and simheuristics | |
| Danba et al. | Toward collaborative intelligence in IoV systems: Recent advances and open issues | |
| Ribeiro et al. | Communication interface manager for improving performance of heterogeneous UAV networks | |
| Ali et al. | Decision-based routing for unmanned aerial vehicles and internet of things networks | |
| Pei et al. | Joint optimization of multi-hop broadcast protocol and MAC protocol in vehicular Ad Hoc Networks | |
| Osman et al. | A novel adaptive approach for autonomous vehicle based on optimization technique for enhancing the communication between autonomous vehicle-to-everything through cooperative communication | |
| Fogue et al. | Identifying the key factors affecting warning message dissemination in VANET real urban scenarios |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |
|
| RJ01 | Rejection of invention patent application after publication |