基于稀疏表示理论的数据采集与恢复
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第18-24页 |
| 1.1 研究背景与意义 | 第18-20页 |
| 1.2 研究内容与创新点 | 第20-23页 |
| 1.3 论文的组织结构 | 第23-24页 |
| 第2章 矩阵填充与张量填充 | 第24-34页 |
| 2.1 矩阵填充 | 第24-29页 |
| 2.1.1 SVT算法 | 第25-27页 |
| 2.1.2 OptSpace算法 | 第27页 |
| 2.1.3 SET算法 | 第27-29页 |
| 2.2 张量填充 | 第29-32页 |
| 2.2.1 基于CP分解的张量填充 | 第29-31页 |
| 2.2.2 基于Tucker分解的张量填充 | 第31-32页 |
| 2.3 小结 | 第32-34页 |
| 第3章 基于矩阵填充理论的在线气象数据采集 | 第34-56页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关工作 | 第35-36页 |
| 3.3 数据采集预备与问题描述 | 第36-38页 |
| 3.3.1 矩阵填充的基本原理 | 第36-37页 |
| 3.3.2 问题公式化 | 第37-38页 |
| 3.4 真实气象数据的特性研究 | 第38-41页 |
| 3.4.1 低秩性 | 第39-40页 |
| 3.4.2 时间稳定性 | 第40页 |
| 3.4.3 秩稳定性 | 第40-41页 |
| 3.5 基于矩阵填充的在线数据采集 | 第41-49页 |
| 3.5.1 相邻矩阵的秩 | 第41-43页 |
| 3.5.2 采样学习原理 | 第43-44页 |
| 3.5.3 自适应采样 | 第44-46页 |
| 3.5.4 采样起始和调度 | 第46-49页 |
| 3.5.5 MC-Weather采集方案的实现 | 第49页 |
| 3.6 性能评估 | 第49-54页 |
| 3.6.1 气象数据的评估 | 第50-54页 |
| 3.6.2 环境数据的评估 | 第54页 |
| 3.7 小结 | 第54-56页 |
| 第4章 基于矩阵填充理论的自适应采样的网络监控 | 第56-73页 |
| 4.1 引言 | 第56-57页 |
| 4.2 相关工作 | 第57-58页 |
| 4.3 矩阵填充的基本原理 | 第58-59页 |
| 4.4 流量测量问题描述 | 第59-61页 |
| 4.4.1 低秩的监控数据矩阵 | 第59-60页 |
| 4.4.2 问题公式化 | 第60-61页 |
| 4.5 MC-E2E测量方案 | 第61-65页 |
| 4.5.1 在线测量的采样停止条件 | 第62-64页 |
| 4.5.2 基于信息量的自适应采样策略 | 第64-65页 |
| 4.5.3 MC-E2E方案 | 第65页 |
| 4.6 性能评估 | 第65-72页 |
| 4.6.1 数据预处理,参数学习,技术验证 | 第66-70页 |
| 4.6.2 关键技术的有效性验证 | 第70-71页 |
| 4.6.3 性能对比 | 第71-72页 |
| 4.7 小结 | 第72-73页 |
| 第5章 基于矩阵重排策略的人群传感数据的精确恢复 | 第73-90页 |
| 5.1 引言 | 第73-74页 |
| 5.2 相关工作 | 第74-75页 |
| 5.2.1 基于群智感知的环境监控 | 第74页 |
| 5.2.2 矩阵填充 | 第74-75页 |
| 5.3 环境数据的特性研究 | 第75-78页 |
| 5.3.1 时间稳定性 | 第75-76页 |
| 5.3.2 空间相关性 | 第76-77页 |
| 5.3.3 低秩性 | 第77页 |
| 5.3.4 天的周期性 | 第77-78页 |
| 5.4 矩阵重排策略问题描述 | 第78-82页 |
| 5.4.1 问题描述 | 第78-79页 |
| 5.4.2 解决方案 | 第79-82页 |
| 5.5 矩阵重排算法 | 第82-85页 |
| 5.5.1 重排原则 | 第82-83页 |
| 5.5.2 重排算法 | 第83-85页 |
| 5.6 性能评估 | 第85-89页 |
| 5.6.1 错误率 | 第85-86页 |
| 5.6.2 MAE | 第86-87页 |
| 5.6.3 RMSE | 第87-88页 |
| 5.6.4 计算时间 | 第88-89页 |
| 5.7 小结 | 第89-90页 |
| 第6章 基于连续张量填充的流量数据的精确恢复 | 第90-105页 |
| 6.1 引言 | 第90-91页 |
| 6.2 相关工作 | 第91页 |
| 6.3 张量的预备知识 | 第91-92页 |
| 6.4 流量数据的特性研究 | 第92-94页 |
| 6.4.1 时间稳定性 | 第92-93页 |
| 6.4.2 空间相关特性 | 第93-94页 |
| 6.4.3 流量周期特性 | 第94页 |
| 6.5 系统模型和问题公式化 | 第94-96页 |
| 6.5.1 流量张量模型 | 第94-95页 |
| 6.5.2 问题公式化 | 第95-96页 |
| 6.6 流量数据恢复 | 第96-100页 |
| 6.7 性能评估 | 第100-103页 |
| 6.7.1 张量填充算法的性能对比 | 第101-102页 |
| 6.7.2 矩阵填充算法的性能对比 | 第102-103页 |
| 6.8 小结 | 第103-105页 |
| 第7章 基于张量CUR分解的流量数据的精确恢复 | 第105-126页 |
| 7.1 引言 | 第105-106页 |
| 7.2 相关工作 | 第106-109页 |
| 7.2.1 基于CP分解的张量填充 | 第106-107页 |
| 7.2.2 基于Tucker分解的张量填充 | 第107-108页 |
| 7.2.3 基于张量奇异值分解的张量填充 | 第108-109页 |
| 7.3 符号和基本定义 | 第109-113页 |
| 7.3.1 符号 | 第109页 |
| 7.3.2 基本定义 | 第109-113页 |
| 7.4 问题公式化 | 第113-115页 |
| 7.4.1 流量张量模型 | 第113-114页 |
| 7.4.2 问题公式化 | 第114-115页 |
| 7.5 算法描述 | 第115-118页 |
| 7.5.1 张量填充与tubal采样 | 第115-116页 |
| 7.5.2 张量CUR填充 | 第116-118页 |
| 7.6 理论分析 | 第118-122页 |
| 7.7 实验 | 第122-125页 |
| 7.7.1 计算环境与方法 | 第122-123页 |
| 7.7.2 结果分析 | 第123-125页 |
| 7.8 小结 | 第125-126页 |
| 结论 | 第126-128页 |
| 参考文献 | 第128-139页 |
| 附录A 发表论文和参加科研情况说明 | 第139-141页 |
| 致谢 | 第141页 |
