物聯(lián)網(wǎng)不完全數(shù)據(jù)填充算法研究.pdf

1、隨著物聯(lián)網(wǎng)技術(shù)的大規(guī)模應(yīng)用，物聯(lián)網(wǎng)數(shù)據(jù)的不完全性問(wèn)題日益突出。所謂數(shù)據(jù)不完全性是指終端工作異常而引起的采集數(shù)據(jù)全部或部分屬性值缺失。數(shù)據(jù)不完全性給物聯(lián)網(wǎng)的數(shù)據(jù)融合、數(shù)據(jù)挖掘等帶來(lái)極大困難，嚴(yán)重阻礙物聯(lián)網(wǎng)數(shù)據(jù)的應(yīng)用。因此對(duì)物聯(lián)網(wǎng)不完全數(shù)據(jù)進(jìn)行填充是一個(gè)重要課題。
　　針對(duì)物聯(lián)網(wǎng)不完全數(shù)據(jù)處理問(wèn)題，本文主要進(jìn)行了兩大研究工作，分別是粗糙集理論和不完全數(shù)據(jù)填充算法。在粗糙集理論中主要研究了屬性約簡(jiǎn)和粒計(jì)算相關(guān)的知識(shí)，借助傳統(tǒng)的處理完全信

2、息系統(tǒng)的知識(shí)來(lái)對(duì)物聯(lián)網(wǎng)不完全數(shù)據(jù)進(jìn)行抽象，提出了新的不完全信息系統(tǒng)劃分的定義，改進(jìn)了基于冪圖的屬性約簡(jiǎn)算法。在不完全數(shù)據(jù)填充算法中很多經(jīng)典的方法諸如均值、概率、線性回歸預(yù)測(cè)、基于決策樹(shù)的填充方法等，但是這些方法對(duì)不完全數(shù)據(jù)處理采用的是統(tǒng)一的處理方式，并不適合處理大規(guī)模物聯(lián)網(wǎng)數(shù)據(jù)，因此本文提出了區(qū)分重要屬性和非重要屬性的不完全數(shù)據(jù)填充算法。針對(duì)非重要屬性，采用基于分組概率的方法進(jìn)行填充，而對(duì)于重要屬性采用基于相似度的方法進(jìn)行填充。本方法既