基于卷积神经网络的缺失数据填充方法
Missing data imputation approach based on convolutional neural network作者机构:河海大学计算机与信息学院江苏南京211100
出 版 物:《微电子学与计算机》 (Microelectronics & Computer)
年 卷 期:2019年第36卷第3期
页 面:48-52,57页
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 081202[工学-计算机软件与理论]
基 金:江苏省水利科技项目(2017065) 江苏省水利科技科研项目(2016023 2015001) 中央高校业务费项目(2017B42214)
摘 要:受不利因素影响,传感器网络中的数据不可避免地存在缺失,阻碍上层应用对数据的分析与处理.使用能够自主提取和学习有效特征结构的卷积神经网络对缺失数据问题进行研究,提出一种基于卷积神经网络的缺失数据填充方法.首先,分别针对时间序列数据的时间相关性和传感器节点间的空间相关性,使用卷积神经网络填充模型对缺失数据进行单维度相关性的填充.然后,根据时间维度和空间维度的填充结果,考虑时空相关性对缺失数据进行填充.最后,在真实数据集上进行实验验证,实验结果表明考虑时空多维度相关性的填充结果优于只考虑单维度相关性的填充结果,并与BP模型进行对比,验证了卷积神经网络填充模型的有效性.