發(fā)布時(shí)間：2021-04-22 06:43

　　隨著信息技術(shù)的發(fā)展,各種自動(dòng)化和智能化管理控制技術(shù)都得到廣泛應(yīng)用。物聯(lián)網(wǎng)作為信息化的重要組成部分,已成為重點(diǎn)研究的問題之一。而傳感器感知數(shù)據(jù)對(duì)物聯(lián)網(wǎng)的應(yīng)用有非常重要的意義,物聯(lián)網(wǎng)的價(jià)值之一就是為上層應(yīng)用提供有用可靠的數(shù)據(jù)。由于傳感器自身結(jié)構(gòu)的特點(diǎn)以及一些外界的影響,傳感器數(shù)據(jù)缺失不可避免。為了更好挖掘有效的數(shù)據(jù)信息,對(duì)缺失數(shù)據(jù)進(jìn)行重建就顯得尤為必要。目前多數(shù)數(shù)據(jù)重建方法都是基于單一屬性,具有一定的局限。本文通過分析各個(gè)屬性之間的特征以及時(shí)-空相關(guān)性,并對(duì)幾種數(shù)據(jù)重建方法進(jìn)行分析,建立能夠更加準(zhǔn)確重建缺失數(shù)據(jù)的模型。首先,分析真實(shí)感知數(shù)據(jù)集中的數(shù)據(jù)特征。本文針對(duì)數(shù)據(jù)的時(shí)間穩(wěn)定性以及空間相關(guān)性進(jìn)行分析,通過數(shù)據(jù)可視化的方式對(duì)同一節(jié)點(diǎn)不同時(shí)刻的數(shù)據(jù)以及不同節(jié)點(diǎn)同一時(shí)刻感知數(shù)據(jù)的關(guān)系進(jìn)行描述并具體分析。其次,建立缺失數(shù)據(jù)重建模型。本文在上述相關(guān)性分析的基礎(chǔ)上,基于時(shí)間穩(wěn)定性建立多元線性回歸LR模型,基于空間相關(guān)性建立BP神經(jīng)網(wǎng)絡(luò)模型,并確定模型參數(shù)。然后利用兩種模型分別對(duì)缺失數(shù)據(jù)進(jìn)行估計(jì)。接著對(duì)其估計(jì)結(jié)果通過Softmax函數(shù)賦予相應(yīng)的權(quán)重,建立基于時(shí)-空相關(guān)性的重建模型。最后,基于數(shù)據(jù)缺失重... 

【文章來源】：長(zhǎng)安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文內(nèi)容安排及主要貢獻(xiàn)
        1.3.1 主要內(nèi)容
        1.3.2 論文安排
第二章 感知數(shù)據(jù)缺失問題及特征分析
    2.1 傳感器數(shù)據(jù)缺失問題分析
        2.1.1 缺失數(shù)據(jù)的定義
        2.1.2 傳感器數(shù)據(jù)缺失問題
    2.2 傳感器數(shù)據(jù)特征描述
    2.3 傳感器數(shù)據(jù)特征分析
        2.3.1 時(shí)間相關(guān)性分析
        2.3.2 空間相關(guān)性分析
    2.4 本章小結(jié)
第三章 缺失數(shù)據(jù)重建算法分析
    3.1 基于多元線性回歸的數(shù)據(jù)重建方法
        3.1.1 多元線性回歸理論分析
        3.1.2 多元線性回歸設(shè)計(jì)要素
    3.2 基于BP算法的數(shù)據(jù)缺失重建方法分析及改進(jìn)
        3.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 BP網(wǎng)絡(luò)設(shè)計(jì)要素
        3.2.3 BP神經(jīng)網(wǎng)絡(luò)算法步驟
        3.2.4 BP神經(jīng)網(wǎng)絡(luò)改進(jìn)
    3.3 本章小結(jié)
第四章 缺失數(shù)據(jù)重建模型
    4.1 LR缺失數(shù)據(jù)重建模型
    4.2 BP缺失數(shù)據(jù)重建模型
        4.2.1 BP數(shù)據(jù)重建模型構(gòu)建
        4.2.2 BP設(shè)計(jì)要素
BP數(shù)據(jù)重建模型">    4.3 LR_BP數(shù)據(jù)重建模型
BP模型構(gòu)建">        4.3.1 LR_BP模型構(gòu)建
BP模型參數(shù)">        4.3.2 LR_BP模型參數(shù)
    4.4 本章小結(jié)
第五章 基于真實(shí)感知數(shù)據(jù)集的實(shí)驗(yàn)分析
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 數(shù)據(jù)集的選擇及預(yù)處理
        5.2.1 實(shí)驗(yàn)數(shù)據(jù)集介紹
        5.2.2 實(shí)驗(yàn)數(shù)據(jù)集選取
        5.2.3 實(shí)驗(yàn)數(shù)據(jù)集預(yù)處理
    5.3 IntelIndoor數(shù)據(jù)集實(shí)驗(yàn)及結(jié)果分析
        5.3.1 基于LR模型的實(shí)驗(yàn)及結(jié)果分析
        5.3.2 基于BP模型的實(shí)驗(yàn)及結(jié)果分析
BP模型的實(shí)驗(yàn)及結(jié)果分析">        5.3.3 基于LR_BP模型的實(shí)驗(yàn)及結(jié)果分析
    5.4 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]多元回歸分析模型及其教學(xué)水平預(yù)測(cè)應(yīng)用[J]. 趙家正.  科技風(fēng). 2018(33)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的極光圖像分類[J]. 王菲,楊秋菊.  極地研究. 2018(02)
[3]交通流缺失數(shù)據(jù)處理方法比較分析[J]. 孟鴻程,陳淑燕.  交通信息與安全. 2018(02)
[4]淺析數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理技術(shù)[J]. 張治斌,劉威.  數(shù)字技術(shù)與應(yīng)用. 2017(10)
[5]物聯(lián)網(wǎng)應(yīng)用感知層關(guān)鍵技術(shù)[J]. 許弘.  電子技術(shù)與軟件工程. 2016(20)
[6]基于嵌套滑動(dòng)窗口的數(shù)據(jù)流缺失數(shù)據(jù)填充算法[J]. 許江,陳志奎,張清辰.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(11)
[7]WSN中基于多屬性協(xié)助和壓縮感知的數(shù)據(jù)恢復(fù)算法[J]. 趙巾幗.  計(jì)算機(jī)應(yīng)用與軟件. 2015(07)
[8]多元線性回歸與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)比與運(yùn)用研究[J]. 張景陽,潘光友.  昆明理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[9]基于二次規(guī)劃的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)恢復(fù)算法[J]. 吳桂峰,王軒.  計(jì)算機(jī)應(yīng)用. 2013(04)
[10]灰色多元線性回歸模型及其應(yīng)用[J]. 李培哲.  統(tǒng)計(jì)與決策. 2012(24)

博士論文
[1]民航發(fā)動(dòng)機(jī)性能可靠性評(píng)估與在翼壽命預(yù)測(cè)方法研究[D]. 任淑紅.南京航空航天大學(xué) 2010

碩士論文
[1]基于隨機(jī)森林的大數(shù)據(jù)下數(shù)據(jù)缺失插補(bǔ)方法[D]. 余澤禹.長(zhǎng)江大學(xué) 2018
[2]無線傳感器網(wǎng)絡(luò)中基于特征分析的缺失數(shù)據(jù)恢復(fù)方法研究[D]. 陳軍偉.重慶郵電大學(xué) 2016
[3]Logistic回歸模型中缺失數(shù)據(jù)的處理[D]. 汪靜波.南京大學(xué) 2015
[4]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的產(chǎn)品質(zhì)量合格率預(yù)測(cè)研究[D]. 溫文.華南理工大學(xué) 2014
[5]基于壓縮感知技術(shù)的傳感器網(wǎng)絡(luò)數(shù)據(jù)丟失和恢復(fù)的研究[D]. 陳光爍.上海交通大學(xué) 2014
[6]基于BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)[D]. 曹虹.長(zhǎng)安大學(xué) 2012
[7]改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)方法在會(huì)計(jì)舞弊識(shí)別中的應(yīng)用研究[D]. 聶丹丹.華北電力大學(xué)（河北） 2007
[8]文峪河水庫洪水預(yù)報(bào)計(jì)算機(jī)應(yīng)用系統(tǒng)的開發(fā)研究[D]. 劉京鑠.太原理工大學(xué) 2006



本文編號(hào)：3153327