一个基于d阶张量奇异值分解的互联网流量数据恢复方法

精准恢复互联网流量数据能降低不完全数据对网络任务过程的损害,因此,针对互联网流量数据的相似性和周期性这一时空特性,基于d阶张量奇异值分解(d阶T-SVD),结合时空正则化策略,对具有四阶张量结构性质的互联网流量数据构建了恢复模型。这一模型的核心在于能够深入挖掘数据的同时保留了内部复杂的结构特性,从而实现更高质量的数据恢复。采用交替极小化方法,设计了一种高效且稳定的算法,以实现对模型的精确求解。最后选取了2个真实的互联网流量数据集,模拟随机性缺失和结构性缺失的数据场景,对提出的方法进行了全面验证。实验结果表明,该方法在数据恢复性能上相较于现有方法,展现出明显的优势。