近年来,随着无线网络的发展,移动群智感知网络已经成为网络学科研究的热点。大部分研究都集中在如何采用更好的激励机制激励用户,如何筛选更优的参与者,如何提高数据质量等,而针对群智感知平台中资源选取策略的研究非常缺乏,本文对此进行研究,具体工作如下:本文构建了一个多任务、多用户、多选择途径的移动群智感知平台。在该平台中,针对用户和任务的不同特征,使用朴素贝叶斯分类算法对其分类,以提高资源选取的准确性。针对不确定的任务和用户,分别设计了以用户为心的任务选取策略和以任务为中心的用户选取策略。在这两种资源选取策略中,本文设计了普适、优化、贪心三种资源分配算法。在普适算法中根据积分顺序优选资源,在优化算法中加入预约机制,在贪心算法中加大了资源选取力度。此外,本文还设计了一种基于竞价联动的积分激励机制,在该机制中,使用积分策略维持发布者和用户的信誉,发布者通过发布任务累计积分,用户通过完成任务累计积分,在此积分策略上,通过发布者和用户双方对任务价格的相互博弈,实现任务价格随积分联动,保障了平台的竞争性,打破任务价格垄断,并最终通过奖励措施激励用户参与更多任务。本文通过理论推导证实了平台的效用非负。通过仿真实验,验证了在两大类资源选取策略实验对比过程中,随着任务增多,以任务为中心用户选取策略可以保证贪心模式资源选取力度最大,以用户为中心任务选取策略可以保证优化模式资源选取力度最大;随着用户增多,两类资源选取策略都是优化模式资源选取力度最大。也验证了随着用户数目增长和任务数目增长,三种资源分配模式在平台中有不同的资源选取力度。用户数目固定时,任务越多时贪心模式完成的任务量越多;任务数目固定时,用户数目越多优化模式完成的任务量更多;而普适模式中用户完成的任务量则会在这两种模式之间波动。