基于属性相关性的无线传感网络缺失数据估计方法 - 计算机应用.pdfVIP

基于属性相关性的无线传感网络缺失数据估计方法 - 计算机应用.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于属性相关性的无线传感网络缺失数据估计方法 - 计算机应用

Journal of Computer Applications ISSN 1001-9081 2015- 【-10 计算机应用,2015, 【( 【): 【- 【 CODEN JYIIDU 文章编号:1001-9081(2015) 【-0000-00 doi:10.11772/j.issn.1001-9081.2015. 【.0000 A5051560 正,2015-07-16 基于属性相关性的无线传感网络缺失数据估计方法 * 许 可 ,雷建军 (重庆邮电大学计算机科学与技术学院,重庆 400065) (*通信作者电子邮箱 xuke@) 摘 要: 针对无线传感器网络(WSN)中感知数据易缺失问题,提出了一种基于感知数据属性相关性的缺失值估计方法。该方 法采用多元线性回归模型,对属性相关的感知数据的缺失值进行估计;同时,为提高算法估计的鲁棒性,提出了基于感知数 据属性的数据交织传送策略。仿真结果表明,提出的缺失值估计方法能有效估计无线传感器网络中的缺失数据,相比于基于 时空相关性的线性插值模型(LM)算法和传统的最近邻插值 (NNI)算法具有更高的精度和稳定性。 关键词: 无线传感器网络;属性相关性;缺失值;数据交织;鲁棒性 中图分类号: TP393.03 网络互连技术;TP309.3 数据备份与恢复 文献标志码: A Estimating missing values based on attribute correlation in Wireless Sensor Network * XU Ke , LEI Jianjun (School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) Corresponding author: XU Ke, E-mail:xuke@ Abstract: The missing of the sensing data is inevitable due to the inherent characteristic of Wireless Sensor Network(WSN) , which affects various applications significantly. To solve the problem, a missing data estimation algorithm based on attribute correlationwas proposed in this paper. It adopted the multiple regression model to estimate attribute-correlated missing data. Meanwhile, a data interleaved transmitting strategy was proposed to improve the robustness of the algorithm. Simulation results show that the proposed algorithm can estimate the missing data and is more accurate and reliable

您可能关注的文档

文档评论(0)

laolao123 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档