| 基于正则化与时空约束改进K最近邻算法的农业物联网数据重构 |
| |
| 作者姓名： | 吴华瑞 李庆学 缪祎晟 宋玉玲 |
| |
| 作者单位： | 1. 国家农业信息化工程技术研究中心,北京100097; 2. 北京农林科学院北京农业信息技术研究中心,北京100097;,1. 国家农业信息化工程技术研究中心,北京100097; 2. 北京农林科学院北京农业信息技术研究中心,北京100097;,1. 国家农业信息化工程技术研究中心,北京100097; 2. 北京农林科学院北京农业信息技术研究中心,北京100097;,3. 农业农村部农业物联网重点实验室,杨凌712100; |
| |
| 基金项目： | 国家自然科学基金项目（61871041, 61571051）;北京市自然科学基金项目（4172024, 4172026）;农业农村部农业物联网重点实验室开放课题（2018AIOT-06） |
| |
| 摘 要： | 针对农业复杂环境易发的物联网感知数据丢失异常问题,该文提出一种基于正则化惩罚的K最近邻数据重构方法(K nearest neighbor-regularization penalty,KNN-RP),采用岭回归方法对最近邻方法中的最小二乘因子进行正则化,并讨论了惩罚项的范数选取形式。通过对农业物联网感知数据的时空稳定性与相关性分析,确定了时间与空间约束矩阵的定义方式。采用温室数据样本对算法性能进行交叉验证,结果显示该文的KNN-RP性能在点丢失模型下优于KNN、反距离加权KNN算法以及DT算法,而在块丢失模型下优于KNN和反距离加权KNN算法,略低于DT算法,提高了农业物联网的感知数据质量。该研究可为基于物联网数据的农业生产决策提供参考。
|
| 关 键 词： | 算法 模型 农业物联网 数据重构 聚类回归 |
| 收稿时间： | 2018-11-29 |
| 修稿时间： | 2019-06-20 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
