基于卷积神经网络的缺失数据填充方法

• 作者: 张网娟 朱帅 李敏佳 许国艳
• 来源期刊: 微电子学与计算机
• 关键词: 缺失数据 填充 卷积神经网络 时空相关性
• 年，卷（期）: 2019,（3）
• 页码范围: 48-52,57
• 页数: 6页
• 分类号: TP311
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许国艳	河海大学计算机与信息学院	24	245	7.0	15.0
2	张网娟	河海大学计算机与信息学院	3	4	2.0	2.0
3	李敏佳	河海大学计算机与信息学院	3	4	2.0	2.0
4	朱帅	河海大学计算机与信息学院	5	27	2.0	5.0