CN115309814B 基于结构化低秩张量补全的物联网数据重建方法 （河北工业大学）_第1页
CN115309814B 基于结构化低秩张量补全的物联网数据重建方法 （河北工业大学）_第2页
CN115309814B 基于结构化低秩张量补全的物联网数据重建方法 （河北工业大学）_第3页
CN115309814B 基于结构化低秩张量补全的物联网数据重建方法 （河北工业大学）_第4页
CN115309814B 基于结构化低秩张量补全的物联网数据重建方法 （河北工业大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于结构化低秩张量补全的物联网数据重本发明为基于结构化低秩张量补全的物联式i的展开矩阵进行块汉克尔矩阵变化，将基础低秩张量补全模型改进为结构化低秩张量补全的每个模式i展开矩阵进行块汉克尔矩阵变化，2步骤1、将物联网监测区域离散为MXN个网格点，每个网格点内部署一个传感器节点；接收到的数据通过R(J)=R()表示，R()表示随机采样操作符，表示从三阶F分别表示矩阵核范数的模式i展开矩阵X(i)形成的块汉克尔矩阵的核范数，则式(2)的基础低秩张量补全模型改进为：通过引入变量分裂将式(3)的低秩张量补全模型转换为式(6)的等价对约束方程式(6)运用交替方向乘子法求解，首先要得到原目标函数的增广拉格朗日2.根据权利要求1所述的基于结构化低秩张量补全的物联网数据重建方法，其特征在33.根据权利要求1所述的基于结构化低秩张量补全的物联网数据重建方法，其特征在r)(20)4软阈值算子s(q,r)定义为：5网数据无法正常用于后续的分析与应用，因此高精度重建完整的IoT数据已成为本领域的[0003]基于稀疏约束的IoT数据重建方法可分为三类：基于压缩感知(Compressed6[0010]步骤2、由于物联网数据组成的三阶张量的水平切片数据之间以及侧切片数据[0016]通过引入变量分裂将式(3)的低秩张量补全模型转换为式(6)的等价约束优化问[0018]对约束方程式(6)运用交替方向乘子法求解，首先要得到原目标函数的增广拉格7r)(20)8提高对数据时空相关性的利用，分别将三阶张量的每个模式i展开矩阵进行块汉克尔矩阵基站；所有传感器节点在同一采样时刻感测的数据组成一个矩阵因此基站在时间T＝L×τ内，即连续L个时隙内接收到的数据组成一个三阶张量表示实数表示为：9F分别表示矩阵核范阶张量的每个模式i展开矩阵进行块汉克尔矩阵变化，结合利用结构化处理和低秩张量[0064]对于某一矩阵yeR2,矩阵Y的块汉克尔矩阵的定义为：[0069]通过引入变量分裂将式(3)的低秩张量补全模型转换为式(6)的等价约束优化问[0071]对约束方程式(6)运用交替方向乘子法求解，首先要得到原目标函数的增广拉格标中心(NationalDataBuoyCenter，简写为NDBC)收集的海洋表面温度和伯克利研究实个传感器节点在50个时隙感测到的海洋表面温度数据，伯克利研究实验室数据子集失信息的数据张量通过对和随机采样获得，即使用随机采

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论