順序敏感的多源感知數(shù)據(jù)填補(bǔ)技術(shù)

　　近年來，隨著感知網(wǎng)絡(luò)的廣泛應(yīng)用，感知數(shù)據(jù)呈爆炸式增長．但是由于受到硬件設(shè)備的固有限制、部署環(huán)境的隨機(jī)性以及數(shù)據(jù)處理過程中的人為失誤等多方面因素的影響。感知數(shù)據(jù)中通常包含大量的缺失值．而大多數(shù)現(xiàn)有的上層應(yīng)用分析工具無法處理包含缺失值的數(shù)據(jù)集，因此對缺失數(shù)據(jù)進(jìn)行填補(bǔ)是不可或缺的．目前也有很多缺失數(shù)據(jù)填補(bǔ)算法，但在缺失數(shù)據(jù)較為密集的情況下，已有算法的填補(bǔ)準(zhǔn)確性很難保證，同時未考慮填補(bǔ)順序?qū)μ钛a(bǔ)精度的影響．基于此，提出了一種面向多源感知數(shù)據(jù)且順序敏感的缺失值填補(bǔ)框架OMSMVl（order-sensitive missing value　imputation framework for multi-source sensory data）．該框架充分利用感知數(shù)據(jù)特有的多維度相關(guān)性：時間相關(guān)性、空間相關(guān)性、屬性相關(guān)性對不同數(shù)據(jù)源間的相似度進(jìn)行衡量：進(jìn)而，基于多維度相似性構(gòu)建以缺失數(shù)據(jù)源為中心的相似圖，并將已填補(bǔ)的缺失值作為觀測值用于后續(xù)填補(bǔ)過程中．同時考慮缺失數(shù)據(jù)源的整體分布，提出對缺失值進(jìn)行順序敏感的填補(bǔ)，即：首先對缺失值的填補(bǔ)順序進(jìn)行決策，再對缺失值進(jìn)行填補(bǔ)．對缺失值進(jìn)行順序填補(bǔ)能夠有效緩解在缺失數(shù)掘較為密集的情況下，由于缺失數(shù)據(jù)源的完整近鄰與其相似度較低引起的填補(bǔ)精度下降問題：最后，對KNN填補(bǔ)算法進(jìn)行改進(jìn)，提出一種新的基于近鄰節(jié)點(diǎn)的缺失值填補(bǔ)算法Nl（neighborhood-based imputation），該算法利用感知數(shù)據(jù)的多維度相似性對缺失數(shù)據(jù)源的所有近鄰節(jié)點(diǎn)進(jìn)行查找，解決了KNN填補(bǔ)算法K值難以確定的問題，也進(jìn)一步提高了填補(bǔ)準(zhǔn)確性．利用兩個真實(shí)數(shù)據(jù)集，并與基本填補(bǔ)算法進(jìn)行對比，驗(yàn)證了算法的準(zhǔn)確性及有效性．