WSN中缺失数据重建算法研究

发布时间：2020-09-16 17:43

　　 随着通信、传感器技术的发展,无线传感器网络(Wireless Sensor Network,WSN)已逐渐成为业界关注的焦点,并被广泛应用于军事国防、生物医疗、环境监测等诸多领域。通过WSN获取完整且精确的感知数据是数据分析、应用决策的基本前提,然而由于环境因素以及传感器节点自身资源的局限性往往导致感知数据缺失,而现存的缺失数据重建算法大多基于单一数据属性或是仅考虑静态场景,均难以满足重建真实完备数据的要求。因此,本文在研究了WSN的数据特性以及相关缺失数据重建算法的基础上,结合感知数据的时空相关性和多属相关性,探讨如何高效重建感知节点的缺失数据。针对目前存在的缺失数据重建算法多数基于单一属性数据这一现象,本文结合同一簇内节点数据的多属性相关性以及数据本身的联合低秩性,改进了一种基于空间相关性的多属性缺失数据重建算法。该算法首先根据感知节点的物理位置应用K-means聚类算法将节点分为不同的簇,然后将每个簇内节点的数据进行张量分解,并运用加权核范数最小化理论自适应地为每个奇异值分配不同权值,再通过交替方向乘子法迭代求得全局最优解,最后采用伯利克里实验室的数据仿真,验证了该算法在数据连续缺失和随机缺失两种模式下,均可以较好地重建缺失数据。针对目前多数重建算法中感知节点均处于静态场景下这一现象,本文结合贝叶斯网络模型,改进了一种移动场景下的缺失数据重建算法。该算法包括前期数据收集、最佳信任节点判定以及后续基于贝叶斯网络模型的缺失数据重建。若节点在数据收集阶段发现有数据缺失,则该节点首先向邻近节点请求数据,并根据其与邻近节点之间数据数量的可信度、时空相关系数以及节点轨迹相似系数判定最佳候选节点。然后在该节点处建立贝叶斯网络模型,并将最佳候选节点的数据作为辅助变量引入,由此确定缺失数据取值范围,再计算该范围内每个取值的条件概率并选择概率最大时对应的序列作为缺失数据的重建数据。最后使用墨尔本大学采集的数据仿真,验证了该算法在节点处于移动场景下可以较好地重建缺失数据,且相比于其他同类算法,该算法的稳定性更高。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN929.5;TP212.9
【部分图文】：

相邻两次迭代误差 61 10 3.3.2 仿真性能分析图 3.3 显示了英特尔伯利克里研究实验室中传感器节点以及这些节点经过 eans 算法聚类后的结果。图中共有 10 个簇(K=10)，已用红色实线将同一簇内感器节点标出。使用 K-means 聚类算法可以充分利用传感器节点位置的空间性寻找节点之间测量的相似性，图 3.4 是聚类之后同一簇内不同节点在相同采间内温度测量值的比较以及不同簇间不同节点在同一采样时间内温度测量值较，其中，节点 24 和 25 在同一个簇，节点 45 和 46 在同一个簇。正如理论测的结果一样，同一簇内节点间测量值变化基本一致，不同簇间节点的测量值较大。

【相似文献】

相关期刊论文 前10条

1 康春花;孙金玲;孙小坚;曾平飞;;缺失数据比率和处理方法对非随机缺失数据能力参数估计准确性的影响[J];江西师范大学学报(自然科学版);2017年03期

2 董学思;林丽娟;赵杨;魏永越;戴俊程;陈峰;;多组学联合缺失数据填补方法的评价[J];中国卫生统计;2017年04期

3 杨金英;崔朝杰;;图模型方法用于二值变量相关性分析中缺失数据的估计[J];中国卫生统计;2012年05期

4 许凯;何道江;;有缺失数据的条件独立正态母体中参数的最优同变估计[J];数学学报(中文版);2016年06期

5 王军;李建勋;韩山;王兴;;一种效能评估中缺失数据的填充方法[J];上海交通大学学报;2017年02期

6 吴洁琼;吕小纳;党志军;;网络高并发信息的缺失数据修复方法仿真[J];信息通信;2017年11期

7 喻成林;黄强;李钢;;观测站缺失数据修复的神经网络模型研究[J];矿山测量;2014年01期

8 帅平;李晓松;周晓华;刘玉萍;;缺失数据统计处理方法的研究进展[J];中国卫生统计;2013年01期

9 张伟;冯萍;赵永红;袁佳英;李梅;;加权估计方程用于缺失数据的处理[J];中国卫生统计;2013年03期

10 詹棠森;;缺失数据调整修正优化磨光法研究及陶瓷中的应用[J];中国陶瓷;2012年06期

相关会议论文 前10条

1 印明辉;秦婷婷;伏振;严明明;尹平;;贝叶斯累加回归树模型处理缺失数据研究[A];2017年中国卫生统计学学术年会论文集[C];2017年

2 耿直;葛丹丹;;纵向研究非随机缺失数据分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 刘红云;;追踪研究中非随机缺失数据的处理:基于模型的方法及其应用[A];第十五届全国心理学学术会议论文摘要集[C];2012年

4 管河山;姜青山;Steven X.Wei;;一种处理缺失数据的新方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

5 肖悦;刘红云;;密集型追踪数据中数据的缺失机制及缺失比例对时变效应模型估计精度的影响[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年

6 孙金玲;;混合测验中非随机缺失数据的缺失比率与处理方法对IRT参数估计的影响[A];第十八届全国心理学学术会议摘要集——心理学与社会发展[C];2015年

7 李晓煦;侯杰泰;;结构方程中缺失数据的处理:FIML,EM与MI[A];全国教育与心理统计测量学术年会论文摘要集[C];2006年

8 周晓东;汤银才;费鹤良;;定数转换步加试验缺失数据场合下的参数估计[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

9 叶素静;唐文清;张敏强;;追踪研究中缺失数据的处理方法述评[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

10 雷蕾;吴乃君;刘鹏;刘兰娟;;灵敏度分析:分类器中的缺失数据[A];第11届海峡两岸信息管理发展策略研讨会论文集[C];2005年

相关重要报纸文章 前1条

1 刘若帆邋宋林;诗邦金A6+1：凭借其质提高其量[N];农资导报;2008年

相关博士学位论文 前10条

1 丁先文;缺失数据模型的估计与变量选择[D];云南大学;2018年

2 高航;面向缺失数据的机器学习算法研究[D];国防科学技术大学;2016年

3 唐琳;带有不可忽略缺失数据的广义半参数非线性模型的统计推断[D];云南大学;2017年

4 龚奇源;面向数据发布的数据匿名技术研究[D];东南大学;2016年

5 陆福忠;数据缺失下的分布函数估计问题[D];复旦大学;2007年

6 骆汝九;多指标综合评价的非参数方法和缺失数据的聚类方法研究[D];扬州大学;2011年

7 郭东林;缺失数据下几类回归模型的估计方法与理论[D];北京工业大学;2017年

8 马友;基于QoS缺失数据预测的个性化Web服务推荐方法研究[D];北京邮电大学;2015年

9 罗显贵;带缺失数据列联表与半参数非线性动态因子模型的统计推断[D];云南大学;2015年

10 祝丽萍;几种缺失数据和高维数据模型的统计分析[D];山东大学;2012年

相关硕士学位论文 前10条

1 陈婉娇;缺失数据插补方法及其在医学领域的应用研究[D];华南理工大学;2019年

2 宋雅婷;缺失数据处理方法及其在临床试验中的应用[D];华中科技大学;2019年

3 许天歌;缺失数据下的P2P借贷违约风险评价方法研究[D];合肥工业大学;2019年

4 石章波;缺失数据下众数线性模型的统计诊断[D];云南大学;2018年

5 樊霞;WSN中缺失数据重建算法研究[D];重庆邮电大学;2019年

6 王玉梅;缺失数据下基于众数回归两类半参数模型估计与变量选择[D];兰州理工大学;2019年

7 仝倩;带缺失数据的半参数非线性模型基于经验似然的统计诊断[D];南京理工大学;2018年

8 张文佳;缺失数据下变系数部分非线性模型的参数估计[D];南京理工大学;2018年

9 李佳妮;缺失数据统计方法及其敏感性的研究[D];哈尔滨工业大学;2018年

10 杜丽媛;含有缺失和不可适用数据的古生物谱系树构建方法研究[D];西北大学;2018年

本文编号：2820164