期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于稀疏贝叶斯学习的协同进化时间序列缺失数据预测算法
被引量：
3
1
作者
宋晓祥
郭艳
+1 位作者
李宁
余东平
《计算机科学》
CSCD
北大核心
2019年第7期217-223,共7页
针对大多数已有算法在预测协同进化时间序列中的缺失数据时只适用于缺失数据较少情况的问题,提出了一种高效的缺失数据预测算法。首先,应用压缩感知理论,将协同进化时间序列中的缺失数据预测问题建模成多稀疏向量恢复问题;其次,从稀疏...
针对大多数已有算法在预测协同进化时间序列中的缺失数据时只适用于缺失数据较少情况的问题,提出了一种高效的缺失数据预测算法。首先,应用压缩感知理论,将协同进化时间序列中的缺失数据预测问题建模成多稀疏向量恢复问题;其次,从稀疏表示向量是否足够稀疏和感知矩阵是否满足有限等距特性两个方面分析了模型的性能;最后,针对协同进化时间序列的特点设计了一种基于稀疏贝叶斯学习的高效恢复算法,该算法可以通过学习得到部分支持信息,从而同时解决多个稀疏向量的恢复问题。仿真结果表明,所提算法可以同时有效地预测出多个时间序列中的缺失数据。
展开更多
关键词
协同进化时间序列
缺失数据
稀疏表示向量
感知矩阵
稀疏贝叶斯学习
在线阅读
下载PDF
职称材料
题名
基于稀疏贝叶斯学习的协同进化时间序列缺失数据预测算法
被引量：
3
1
作者
宋晓祥
郭艳
李宁
余东平
机构
陆军工程大学通信工程学院
出处
《计算机科学》
CSCD
北大核心
2019年第7期217-223,共7页
基金
国家自然科学基金(61571463,61371124,61472445)
江苏省自然科学基金(BK20171401)资助
文摘
针对大多数已有算法在预测协同进化时间序列中的缺失数据时只适用于缺失数据较少情况的问题,提出了一种高效的缺失数据预测算法。首先,应用压缩感知理论,将协同进化时间序列中的缺失数据预测问题建模成多稀疏向量恢复问题;其次,从稀疏表示向量是否足够稀疏和感知矩阵是否满足有限等距特性两个方面分析了模型的性能;最后,针对协同进化时间序列的特点设计了一种基于稀疏贝叶斯学习的高效恢复算法,该算法可以通过学习得到部分支持信息,从而同时解决多个稀疏向量的恢复问题。仿真结果表明,所提算法可以同时有效地预测出多个时间序列中的缺失数据。
关键词
协同进化时间序列
缺失数据
稀疏表示向量
感知矩阵
稀疏贝叶斯学习
Keywords
Coevolving time series
Missing data
Sparse representation vector
Sensing matrix
Sparse bayesian learning
分类号
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于稀疏贝叶斯学习的协同进化时间序列缺失数据预测算法
宋晓祥
郭艳
李宁
余东平
《计算机科学》
CSCD
北大核心
2019
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
