• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Temporal and Spatial Nearest Neighbor Values Based Missing Data Imputation in Wireless Sensor Networks
【2h】

Temporal and Spatial Nearest Neighbor Values Based Missing Data Imputation in Wireless Sensor Networks

机译：基于无线传感器网络中缺失数据载体的时间和空间最近邻值

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Data missing is a common problem in wireless sensor networks. Currently, to ensure the performance of data processing, making imputation for the missing data is the most common method before getting into sensor data analysis. In this paper, the temporal and spatial nearest neighbor values-based missing data imputation (TSNN), a new imputation based on the temporal and spatial nearest neighbor values has been presented. First, four nearest neighbor values have been defined from the perspective of space and time dimensions as well as the geometrical and data distances, which are the bases of the algorithm that help to exploit the correlations among sensor data on the nodes with the regression tool. Next, the algorithm has been elaborated as well as two parameters, the best number of neighbors and spatial–temporal coefficient. Finally, the algorithm has been tested on an indoor and an outdoor wireless sensor network, and the result shows that TSNN is able to improve the accuracy of imputation and increase the number of cases that can be imputed effectively.
机译：数据缺失是无线传感器网络中的常见问题。目前，为了确保数据处理的性能，对缺失数据的归咎是进入传感器数据分析之前最常用的方法。在本文中，已经介绍了基于时间和空间最近的邻居值的缺失数据归档（TSNN），基于时间和空间最近邻值的新载旋。首先，从空间和时间尺寸的角度以及几何和数据距离来定义四个最近的邻居值，这是有助于利用具有回归工具的节点上的传感器数据之间的相关性的算法的基础。接下来，已经详细阐述了算法以及两个参数，最佳数量的邻居和空间 - 时间系数。最后，该算法已经在室内和室外无线传感器网络上进行了测试，结果表明，TSNN能够提高估算的准确性并增加可以有效地抵抗的情况。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号