一种多视图深度融合的连续性缺失补全方法

• 作者: 张建华 毛莺池 陈豪
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 连续性缺失数据补全 人工神经网络 时空 深度融合
• 年，卷（期）: 2019,（2）
• 页码范围: 61-68
• 页数: 8页
• 分类号: TP311
• 字数: 6273字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2019.02.011

摘要

针对现有连续性缺失补全方法的不足,建立了一种多视图深度融合的连续性缺失补全方法.该方法采用反转距离加权插值、双向简单指数平滑、用户协同过滤、能量扩散协同过滤及文本嵌套的方法,分别得到时空和语义缺失数据补全中间结果;构造了神经网络模型融合跨时空和语义视图中的互补异构信息,完成连续性缺失补全.实验表明,该方法补全连续性缺失不但效率高,而且比时空多视图补全在平均绝对误差与平均相对误差上分别降低7％和22％,具备普适性且适用于相关时空连续性缺失序列补全领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建华	河海大学计算机与信息学院	7	60	2.0	7.0
2	毛莺池	河海大学计算机与信息学院	42	443	7.0	20.0
3	陈豪	河海大学水利水电学院	14	39	4.0	6.0