如需要完整文档点击下方 "点击下载文档" 按钮

物联网(IOT)和大数据的发展,对物联网数据质量和处理速度提出了新的要求,而物联网触感器原始数据由于噪音和虚假异常值的影响,如直接应用于大数据分析会严重影响分析结果的可靠性和有效性,大量传感器的部署也导致了虚假异常值数量的成倍增长;同时,由于物联网终端数量庞大且性能有限,数据价值密度低,使用机器学习方法进行处理性价比不高且不具有通用性,如何高效、可靠、通用地处理传感器数据并进行异常检测成为一个热点问题。 该文基于统计学方法,结合 Kalman 滤波和加权融合思想,提出一种加权传感器处理预测算法。 通过实验证明该算法对噪音数据处理效果相较于移动平均值,MSE 和 MAE 都得到了提升,性能提升明显,并利用 lightgbm 算法验证数据处理前后预测模型性能的变化,证明通过该算法处理后的数据更易于进行模型训练和预测。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于改进 Kalman 的传感器数据加权处理算法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：060821

点击下载文档