摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第1章 绪论 | 第8-15页 |
1.1 无线环境监测传感器数据恢复概述 | 第8-11页 |
1.1.1 研究背景及研究意义 | 第9-10页 |
1.1.2 PM2.5无线传感器特点 | 第10页 |
1.1.3 PM2.5无线传感器数据恢复的挑战 | 第10-11页 |
1.1.4 PM2.5无线传感器数据恢复概述 | 第11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 丢失数据恢复研究现状 | 第11-12页 |
1.2.2 无线传感器丢失数据恢复研究现状 | 第12-13页 |
1.2.3 PM2.5无线传感器丢失数据恢复研究现状 | 第13页 |
1.2.4 局部低秩数据恢复研究现状 | 第13页 |
1.3 主要研究工作 | 第13-14页 |
1.3.1 PM2.5数据丢失模式分类以及PM2.5数据特性发现 | 第13页 |
1.3.2 稀疏部署的PM2.5传感器数据恢复 | 第13-14页 |
1.3.3 密集部署的PM2.5传感器数据恢复 | 第14页 |
1.4 论文结构与安排 | 第14-15页 |
第2章 数据预处理与分析以及相关定义 | 第15-24页 |
2.1 原始数据丢失模式的分类 | 第15页 |
2.2 PM2.5数据的概率分布 | 第15-16页 |
2.3 PM2.5数据的冗余度分析 | 第16-20页 |
2.3.1 稀疏部署下PM2.5数据不具有低秩性 | 第16-17页 |
2.3.2 稀疏部署下PM2.5数据的分布参数不具有低秩性 | 第17-19页 |
2.3.3 大量密集部署下PM2.5数据具有低秩性 | 第19-20页 |
2.3.4 PM2.5数据具有时间滞后关联性 | 第20页 |
2.4 基本形式化定义 | 第20-23页 |
2.5 本章小结 | 第23-24页 |
第3章 稀疏布置下PM2.5数据恢复算法 | 第24-35页 |
3.1 算法基础 | 第24-29页 |
3.1.1 基于低秩性的矩阵分解的数据恢复算法 | 第24-25页 |
3.1.2 利用数据局部低秩的矩阵分解的数据恢复算法 | 第25-29页 |
3.2 稀疏部署下的参数恢复 | 第29-33页 |
3.2.1 均值参数的恢复 | 第29-30页 |
3.2.2 方差参数的恢复 | 第30-31页 |
3.2.3 协相关系数参数的恢复 | 第31-32页 |
3.2.4 HDM、C-HDM选择问题 | 第32-33页 |
3.3 稀疏部署下的用户需求数据恢复 | 第33-34页 |
3.4 本章小结 | 第34-35页 |
第4章 密集部署下PM2.5数据恢复算法 | 第35-48页 |
4.1 基于数据低秩以及时空平滑的无线传感器数据恢复算法 | 第35-41页 |
4.2 基于dual ascent解法的PM2.5无线传感器数据恢复算法 | 第41-46页 |
4.3 利用传感器相关性恢复PM2.5丢失数据 | 第46页 |
4.4 本章小结 | 第46-48页 |
结论及后续 | 第48-49页 |
参考文献 | 第49-53页 |
攻读硕士学位期间发表的论文及其他成果 | 第53-55页 |
致谢 | 第55页 |