|
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
|
|