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
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。
- 2021-06-24
- 阅读183
- 下载0
- 7页
- pdf
