[发明专利]多节点协作的传感器网络缺失值重构方法

摘要

本发明涉及一种多节点协作的传感器网络缺失值重构方法，包括：根据目标节点O和邻居节点A的空间相关性，得到邻居节点A关于目标节点O缺失值的意见：目标节点O缺失值的论断为x″(O_n+1)，意见为{b，u，a}；类似的，分别计算目标节点O的其它邻居节点关于缺失值的论断及对应意见；综合目标节点O的多个邻居节点的论断和对应意见，得到最终意见及对应的论断集合；期望e_i为论断x_i出现的概率，对期望e_i进行基于权重的合并，还原目标节点O的缺失值x″(O_n++1)。本发明充分利用传感器节点感知数据存在时间相关性和空间相关性特点，客观量化每个邻居节点关于目标节点缺失值的意见，并且准确的融合多个邻居节点的意见，使还原的缺失值误差减少，不需要用户过多参与，鲁棒性更强，还原准确率更高。

主权项

1.一种多节点协作的传感器网络缺失值重构方法，其特征在于：包含如下步骤：步骤1.根据目标节点O的历史数据序列，采用插值公式，获取缺失值的还原值x′(On+1)，并根据邻居节点A的数据序列修正目标节点O的还原值x′(On+1)，得到目标节点O的缺失值x″(On+1)，依据目标节点O和邻居节点A的历史数据序列计算缺失值x″(On+1)的不确定性u、信念b及相对原子度a，得到邻居节点A关于目标节点O缺失值的意见：目标节点O缺失值的论断为x″(On+1)，意见为{b，u，a}；步骤2.根据空间相关性，综合目标节点O的多个邻居节点的当前数据还原缺失值，若邻居节点关于目标节点O缺失值的论断相同，则根据二元意见增量融合规则融合同论断的意见，得到最终意见ω＝{{b1,b2,...,bk},u,{a1,a2,...,ak}}及对应的论断集合为{x1,x2,...,xk}；否则，采用意见同元化将不同论断的意见映射为相同论断的意见，保证意见期望不发生变化的情况下，将论断集合进行扩充，使单论断的意见集合变为多论断的意见集合，根据多元意见增量融合规则依次两两融合，直至意见集合中剩余一个意见，得到最终意见ω＝{{b1,b2,...,bk},u,{a1,a2,...,ak}}及对应的论断集合为{x1,x2,...,xk}；步骤3.根据期望计算公式e_i＝b_i+a_i·u，期望e_i为论断x_i出现的概率，对期望e_i进行基于权重的合并，合并公式其中，h_i为期望e_i加权求平均的权值项，v_i为论断x_i的缺失值大小，目标节点O的缺失值x″(O_n+1)还原为value；步骤1中目标节点O缺失值的还原值根据邻居节点A历史数据序列x(A₁),x(A₂),...,x(A_n)还原并与真实的x(A_n+1)进行比较，根据x′(A_n+1)和x(A_n+1)的差异，来修正x′(O_n+1)，得到目标节点O的缺失值x″(O_n+1)＝x′(O_n+1)+x′(A_n+1)‑x(A_n+1)；根据目标节点O和邻居节点A的n‑1和n‑2轮数据得到第n轮数据x(O′_n)和x(A′_n)，并分别与真实值x(A_n)和x(O_n)求差得到c和d，不确定性u即为并根据公式求得信念b：b＝1‑u；计算邻居节点A数据序列x(A₁),x(A₂),...,x(A_n)和目标节点O数据序列x(O₁),x(O₂),...,x(O_n)之间的差值，得到新的数据序列d(t₁),d(t₂),...,d(t_n)，计算数据序列d(t₁),d(t₂),...,d(t_n)的方差其中，E为数据序列的均值，相对原子度a的计算公式其中，dis＝x(A_n+1)‑x″(O_n+1)；步骤2中二元意见增量融合规则具体内容为：设ω^A和ω^B分别是邻居节点A和B给出的意见，假设主体[A,B]根据ω^A和ω^B得到意见其计算公式如下：情况1(u^A≠0或者u^B≠0):情况2(u^A＝0且u^B＝0):其中，多元意见增量融合规则具体内容为：多论断X＝{x₁,x₂,...,x_k}的意见ω^A和ω^B，假设主体[A,B]根据ω^A和ω^B得到意见其计算公式如下：情况1(u^A≠0或者u^B≠0):情况2(u^A＝0且u^B＝0)：其中，