多变量时间序列中基于克罗内克压缩感知的缺失数据预测算法
针对现有算法在预测多变量时间序列中的缺失数据时不适用或只适用于缺失数据较少的情况,该文提出一种基于克罗内克压缩感知的缺失数据预测算法.首先,利用多变量时间序列的时域平滑特性和序列之间的潜在相关性从时空两个方面设计了稀疏表示基,从而将缺失数据预测问题建模成稀疏向量恢复问题.模型求解部分,根据缺失数据的位置特点设计了适合当前应用场景且与稀疏表示基相关性低的观测矩阵.接着,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验证了模型的性能.最后,仿真结果表明,所提算法在数据缺失严重的情况下具有良好的性能.
多变量时间序列、缺失数据、克罗内克压缩感知、时域平滑特性、潜在相关性
41
TN911.7
国家自然科学基金61571463, 61371124, 61472445;江苏省自然科学基金BK20171401
2019-05-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
858-864