發(fā)布時(shí)間：2020-09-16 17:43

　　 隨著通信、傳感器技術(shù)的發(fā)展,無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)已逐漸成為業(yè)界關(guān)注的焦點(diǎn),并被廣泛應(yīng)用于軍事國(guó)防、生物醫(yī)療、環(huán)境監(jiān)測(cè)等諸多領(lǐng)域。通過WSN獲取完整且精確的感知數(shù)據(jù)是數(shù)據(jù)分析、應(yīng)用決策的基本前提,然而由于環(huán)境因素以及傳感器節(jié)點(diǎn)自身資源的局限性往往導(dǎo)致感知數(shù)據(jù)缺失,而現(xiàn)存的缺失數(shù)據(jù)重建算法大多基于單一數(shù)據(jù)屬性或是僅考慮靜態(tài)場(chǎng)景,均難以滿足重建真實(shí)完備數(shù)據(jù)的要求。因此,本文在研究了WSN的數(shù)據(jù)特性以及相關(guān)缺失數(shù)據(jù)重建算法的基礎(chǔ)上,結(jié)合感知數(shù)據(jù)的時(shí)空相關(guān)性和多屬相關(guān)性,探討如何高效重建感知節(jié)點(diǎn)的缺失數(shù)據(jù)。針對(duì)目前存在的缺失數(shù)據(jù)重建算法多數(shù)基于單一屬性數(shù)據(jù)這一現(xiàn)象,本文結(jié)合同一簇內(nèi)節(jié)點(diǎn)數(shù)據(jù)的多屬性相關(guān)性以及數(shù)據(jù)本身的聯(lián)合低秩性,改進(jìn)了一種基于空間相關(guān)性的多屬性缺失數(shù)據(jù)重建算法。該算法首先根據(jù)感知節(jié)點(diǎn)的物理位置應(yīng)用K-means聚類算法將節(jié)點(diǎn)分為不同的簇,然后將每個(gè)簇內(nèi)節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行張量分解,并運(yùn)用加權(quán)核范數(shù)最小化理論自適應(yīng)地為每個(gè)奇異值分配不同權(quán)值,再通過交替方向乘子法迭代求得全局最優(yōu)解,最后采用伯利克里實(shí)驗(yàn)室的數(shù)據(jù)仿真,驗(yàn)證了該算法在數(shù)據(jù)連續(xù)缺失和隨機(jī)缺失兩種模式下,均可以較好地重建缺失數(shù)據(jù)。針對(duì)目前多數(shù)重建算法中感知節(jié)點(diǎn)均處于靜態(tài)場(chǎng)景下這一現(xiàn)象,本文結(jié)合貝葉斯網(wǎng)絡(luò)模型,改進(jìn)了一種移動(dòng)場(chǎng)景下的缺失數(shù)據(jù)重建算法。該算法包括前期數(shù)據(jù)收集、最佳信任節(jié)點(diǎn)判定以及后續(xù)基于貝葉斯網(wǎng)絡(luò)模型的缺失數(shù)據(jù)重建。若節(jié)點(diǎn)在數(shù)據(jù)收集階段發(fā)現(xiàn)有數(shù)據(jù)缺失,則該節(jié)點(diǎn)首先向鄰近節(jié)點(diǎn)請(qǐng)求數(shù)據(jù),并根據(jù)其與鄰近節(jié)點(diǎn)之間數(shù)據(jù)數(shù)量的可信度、時(shí)空相關(guān)系數(shù)以及節(jié)點(diǎn)軌跡相似系數(shù)判定最佳候選節(jié)點(diǎn)。然后在該節(jié)點(diǎn)處建立貝葉斯網(wǎng)絡(luò)模型,并將最佳候選節(jié)點(diǎn)的數(shù)據(jù)作為輔助變量引入,由此確定缺失數(shù)據(jù)取值范圍,再計(jì)算該范圍內(nèi)每個(gè)取值的條件概率并選擇概率最大時(shí)對(duì)應(yīng)的序列作為缺失數(shù)據(jù)的重建數(shù)據(jù)。最后使用墨爾本大學(xué)采集的數(shù)據(jù)仿真,驗(yàn)證了該算法在節(jié)點(diǎn)處于移動(dòng)場(chǎng)景下可以較好地重建缺失數(shù)據(jù),且相比于其他同類算法,該算法的穩(wěn)定性更高。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN929.5;TP212.9
【部分圖文】：

相鄰兩次迭代誤差 61 10 3.3.2 仿真性能分析圖 3.3 顯示了英特爾伯利克里研究實(shí)驗(yàn)室中傳感器節(jié)點(diǎn)以及這些節(jié)點(diǎn)經(jīng)過 eans 算法聚類后的結(jié)果。圖中共有 10 個(gè)簇(K=10)，已用紅色實(shí)線將同一簇內(nèi)感器節(jié)點(diǎn)標(biāo)出。使用 K-means 聚類算法可以充分利用傳感器節(jié)點(diǎn)位置的空間性尋找節(jié)點(diǎn)之間測(cè)量的相似性，圖 3.4 是聚類之后同一簇內(nèi)不同節(jié)點(diǎn)在相同采間內(nèi)溫度測(cè)量值的比較以及不同簇間不同節(jié)點(diǎn)在同一采樣時(shí)間內(nèi)溫度測(cè)量值較，其中，節(jié)點(diǎn) 24 和 25 在同一個(gè)簇，節(jié)點(diǎn) 45 和 46 在同一個(gè)簇。正如理論測(cè)的結(jié)果一樣，同一簇內(nèi)節(jié)點(diǎn)間測(cè)量值變化基本一致，不同簇間節(jié)點(diǎn)的測(cè)量值較大。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 康春花;孫金玲;孫小堅(jiān);曾平飛;;缺失數(shù)據(jù)比率和處理方法對(duì)非隨機(jī)缺失數(shù)據(jù)能力參數(shù)估計(jì)準(zhǔn)確性的影響[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

2 董學(xué)思;林麗娟;趙楊;魏永越;戴俊程;陳峰;;多組學(xué)聯(lián)合缺失數(shù)據(jù)填補(bǔ)方法的評(píng)價(jià)[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2017年04期

3 楊金英;崔朝杰;;圖模型方法用于二值變量相關(guān)性分析中缺失數(shù)據(jù)的估計(jì)[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年05期

4 許凱;何道江;;有缺失數(shù)據(jù)的條件獨(dú)立正態(tài)母體中參數(shù)的最優(yōu)同變估計(jì)[J];數(shù)學(xué)學(xué)報(bào)(中文版);2016年06期

5 王軍;李建勛;韓山;王興;;一種效能評(píng)估中缺失數(shù)據(jù)的填充方法[J];上海交通大學(xué)學(xué)報(bào);2017年02期

6 吳潔瓊;呂小納;黨志軍;;網(wǎng)絡(luò)高并發(fā)信息的缺失數(shù)據(jù)修復(fù)方法仿真[J];信息通信;2017年11期

7 喻成林;黃強(qiáng);李鋼;;觀測(cè)站缺失數(shù)據(jù)修復(fù)的神經(jīng)網(wǎng)絡(luò)模型研究[J];礦山測(cè)量;2014年01期

8 帥平;李曉松;周曉華;劉玉萍;;缺失數(shù)據(jù)統(tǒng)計(jì)處理方法的研究進(jìn)展[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2013年01期

9 張偉;馮萍;趙永紅;袁佳英;李梅;;加權(quán)估計(jì)方程用于缺失數(shù)據(jù)的處理[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2013年03期

10 詹棠森;;缺失數(shù)據(jù)調(diào)整修正優(yōu)化磨光法研究及陶瓷中的應(yīng)用[J];中國(guó)陶瓷;2012年06期

相關(guān)會(huì)議論文 前10條

1 印明輝;秦婷婷;伏振;嚴(yán)明明;尹平;;貝葉斯累加回歸樹模型處理缺失數(shù)據(jù)研究[A];2017年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)學(xué)術(shù)年會(huì)論文集[C];2017年

2 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 劉紅云;;追蹤研究中非隨機(jī)缺失數(shù)據(jù)的處理:基于模型的方法及其應(yīng)用[A];第十五屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

4 管河山;姜青山;Steven X.Wei;;一種處理缺失數(shù)據(jù)的新方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

5 肖悅;劉紅云;;密集型追蹤數(shù)據(jù)中數(shù)據(jù)的缺失機(jī)制及缺失比例對(duì)時(shí)變效應(yīng)模型估計(jì)精度的影響[A];第二十屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議--心理學(xué)與國(guó)民心理健康摘要集[C];2017年

6 孫金玲;;混合測(cè)驗(yàn)中非隨機(jī)缺失數(shù)據(jù)的缺失比率與處理方法對(duì)IRT參數(shù)估計(jì)的影響[A];第十八屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議摘要集——心理學(xué)與社會(huì)發(fā)展[C];2015年

7 李曉煦;侯杰泰;;結(jié)構(gòu)方程中缺失數(shù)據(jù)的處理:FIML,EM與MI[A];全國(guó)教育與心理統(tǒng)計(jì)測(cè)量學(xué)術(shù)年會(huì)論文摘要集[C];2006年

8 周曉東;湯銀才;費(fèi)鶴良;;定數(shù)轉(zhuǎn)換步加試驗(yàn)缺失數(shù)據(jù)場(chǎng)合下的參數(shù)估計(jì)[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第十三屆學(xué)術(shù)年會(huì)論文集[C];2007年

9 葉素靜;唐文清;張敏強(qiáng);;追蹤研究中缺失數(shù)據(jù)的處理方法述評(píng)[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

10 雷蕾;吳乃君;劉鵬;劉蘭娟;;靈敏度分析:分類器中的缺失數(shù)據(jù)[A];第11屆海峽兩岸信息管理發(fā)展策略研討會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前1條

1 劉若帆邋宋林;詩邦金A6+1：憑借其質(zhì)提高其量[N];農(nóng)資導(dǎo)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 丁先文;缺失數(shù)據(jù)模型的估計(jì)與變量選擇[D];云南大學(xué);2018年

2 高航;面向缺失數(shù)據(jù)的機(jī)器學(xué)習(xí)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

3 唐琳;帶有不可忽略缺失數(shù)據(jù)的廣義半?yún)?shù)非線性模型的統(tǒng)計(jì)推斷[D];云南大學(xué);2017年

4 龔奇源;面向數(shù)據(jù)發(fā)布的數(shù)據(jù)匿名技術(shù)研究[D];東南大學(xué);2016年

5 陸福忠;數(shù)據(jù)缺失下的分布函數(shù)估計(jì)問題[D];復(fù)旦大學(xué);2007年

6 駱汝九;多指標(biāo)綜合評(píng)價(jià)的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究[D];揚(yáng)州大學(xué);2011年

7 郭東林;缺失數(shù)據(jù)下幾類回歸模型的估計(jì)方法與理論[D];北京工業(yè)大學(xué);2017年

8 馬友;基于QoS缺失數(shù)據(jù)預(yù)測(cè)的個(gè)性化Web服務(wù)推薦方法研究[D];北京郵電大學(xué);2015年

9 羅顯貴;帶缺失數(shù)據(jù)列聯(lián)表與半?yún)?shù)非線性動(dòng)態(tài)因子模型的統(tǒng)計(jì)推斷[D];云南大學(xué);2015年

10 祝麗萍;幾種缺失數(shù)據(jù)和高維數(shù)據(jù)模型的統(tǒng)計(jì)分析[D];山東大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 陳婉嬌;缺失數(shù)據(jù)插補(bǔ)方法及其在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究[D];華南理工大學(xué);2019年

2 宋雅婷;缺失數(shù)據(jù)處理方法及其在臨床試驗(yàn)中的應(yīng)用[D];華中科技大學(xué);2019年

3 許天歌;缺失數(shù)據(jù)下的P2P借貸違約風(fēng)險(xiǎn)評(píng)價(jià)方法研究[D];合肥工業(yè)大學(xué);2019年

4 石章波;缺失數(shù)據(jù)下眾數(shù)線性模型的統(tǒng)計(jì)診斷[D];云南大學(xué);2018年

5 樊霞;WSN中缺失數(shù)據(jù)重建算法研究[D];重慶郵電大學(xué);2019年

6 王玉梅;缺失數(shù)據(jù)下基于眾數(shù)回歸兩類半?yún)?shù)模型估計(jì)與變量選擇[D];蘭州理工大學(xué);2019年

7 仝倩;帶缺失數(shù)據(jù)的半?yún)?shù)非線性模型基于經(jīng)驗(yàn)似然的統(tǒng)計(jì)診斷[D];南京理工大學(xué);2018年

8 張文佳;缺失數(shù)據(jù)下變系數(shù)部分非線性模型的參數(shù)估計(jì)[D];南京理工大學(xué);2018年

9 李佳妮;缺失數(shù)據(jù)統(tǒng)計(jì)方法及其敏感性的研究[D];哈爾濱工業(yè)大學(xué);2018年

10 杜麗媛;含有缺失和不可適用數(shù)據(jù)的古生物譜系樹構(gòu)建方法研究[D];西北大學(xué);2018年

本文編號(hào)：2820164