|
|
1.
正则化的加权不完全鲁棒主成分分析方法及其在 无线传感器网络节点轨迹拟合中的应用
孙莞格, 夏克文, 兰璞
计算机应用
2018, 38 (6):
1709-1714.
DOI: 10.11772/j.issn.1001-9081.2017112728
针对稀疏矩阵奇异值分解（SRSVD）方法和半精确增广拉格朗日（SEALM）算法在采样比例小且稀疏噪声大，以及存在高斯噪声时不能准确拟合无线传感器网络（WSN）节点轨迹的问题，提出一种正则化的加权不完全鲁棒主成分分析（RWIRPCA）方法。首先，将不完全鲁棒主成分分析（IRPCA）应用于节点轨迹拟合；然后，在IRPCA的基础上，为了更好地刻画矩阵的低秩性和稀疏性，以及增强模型的抗高斯噪声性能，分别对低秩矩阵和稀疏矩阵进行加权；最后，将高斯噪声矩阵的F范数作为正则项，应用于节点轨迹拟合。仿真结果表明，IRPCA和RWIRPCA在采样比例小且稀疏噪声大时拟合效果均优于SRSVD和SEALM方法，特别是所提的RWIRPCA在稀疏噪声和高斯噪声同时存在时，仍能取得准确且稳定的拟合效果。
参考文献 |
相关文章 |
多维度评价
|
|
