智能路灯控制系统缺失数据流关联修复仿真

为了避免智能路灯控制系统受缺失数据影响,研究了智能路灯控制系统缺失数据流关联修复仿真方法。选取嵌套窗口的流数据处理模型检测智能路灯控制系统的缺失数据流,嵌套窗口的流数据处理模型将滑动窗口分割为多个嵌套滑动窗口,滑动窗口过程中,利用Pearson相关系数确定智能路灯控制系统中相邻数据的相关性,依据获取的数据相关性重构相关图,利用相关图检测智能路灯控制系统缺失数据流。选取GMM算法划分存在缺失数据的智能路灯控制系统的数据集,选取EM插补算法关联修复完成初始数据集划分后的数据流。仿真测试结果表明,该方法可以有效修复智能路灯控制系统缺失数据流,不同数据缺失率情况下,均具有较高的缺失数据流关联修复精度。

时空大数据的缺失数据流关联修复仿真

传统方法对缺失数据进行修复,通常存在填补效果较差、所需时间较长和填补准确度较低等问题。提出一种针对时空大数据的缺失数据流关联修复方法。方法首先利用数据流之间的关联规则创建条件函数依赖,然后对数据流之间的关联相似度进行计算,并通过该相似度结果进一步计算缺失数据的加权值,完成对缺失数据和相应的临界点之间融合情况的检测。最后选择最佳置信度方法决定缺失数据的修复顺序,以实现对时空大数据缺失数据流的修复。经过仿真证明,提出的方法对缺失数据流检测准确,且修复效果好,经过修复的数据流与原始时空大数据十分接近。