基于压缩感知的时间序列缺失数据预测算法

计算机科学杂志|宋晓祥; 郭艳; 李宁; 王萌 陆军工程大学通信工程学院; 南京210007

摘要:数据缺失在时间序列采集过程中频繁发生,已经严重阻碍了精确的数据分析.然而,现有的缺失数据预测算法多是从采集到的数据中发现某种规律,从而预测缺失的数据,并不适用于缺失数据较多的情况.基于此,提出了一种基于压缩感知的缺失数据预测算法.首先,该算法利用时间序列的时域平滑特性设计稀疏表示基,从而将缺失数据预测问题转化成稀疏向量恢复问题.其次,根据未缺失数据的位置特点设计了与稀疏表示基相关性低的观测矩阵,从而保证了算法的重构性能.仿真结果表明,即使数据缺失率高达90%,所提方法依然可以非常有效地预测出缺失数据.

【关键词】
  • 时间序列
  • 缺失数据
  • 压缩感知
【收 录】
  • 维普收录(中)
  • 北大期刊(中国人文社会科学期刊)
  • JST 日本科学技术振兴机构数据库(日)
  • 上海图书馆馆藏
  • 剑桥科学文摘
  • 哥白尼索引(波兰)
  • CSCD 中国科学引文数据库来源期刊(含扩展版)
  • 国家图书馆馆藏
  • 知网收录(中)
  • 万方收录(中)
  • 统计源期刊(中国科技论文优秀期刊)

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:计算机科学

期刊级别:北大期刊

期刊人气:78344