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

论文摘要

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。

论文目录

• 1 引言
• 2 系统模型
•   2.1 稀疏表示基的设计
•   2.2 观测矩阵的设计
• 3 性能分析
•   3.1 稀疏表示基的稀疏信号能力
•   3.2 稀疏表示基和观测矩阵的低相关性
• 4 同时稀疏贝叶斯学习
•   1) E步:令KL散度为零, 则变分分布q （xj） 可以根据式 （14） 更新:
•   2) M步:将q （X） 代入F （q （X） , θ） , 则可得θ为:
• 5 仿真与分析
•   5.1 比较算法和性能评估标准
•   5.2 仿真结果与分析

文章来源

类型: 期刊论文

作者: 宋晓祥,郭艳,李宁,余东平

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

来源: 计算机科学 2019年07期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 陆军工程大学通信工程学院

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

分类号: TP18;O211.61

页码: 217-223

总页数: 7

文件大小: 1134K

下载量: 372