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

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.

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

所属期刊栏目：46

分类号：TN911.7

资助基金：国家自然科学基金61571463,61371124,61472445;江苏省自然科学基金BK20171401

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：217-223