文献类型：期刊文章

作　　者：张婷[1,2] 张德干[1,2] 高瑾馨[1,2]

Zhang Ting;Zhang Degan;Gao Jinxin(Key Laboratory of Computer Vision&System of Ministry of Education,School of Computer Science&Engineering,Tianjin University of Technology,Tianjin 300384,China;Tianjin Key Laboratory of Intelligent Computing&Novel Software Technology,School of Computer Science&Engineering,Tianjin University of Technology,Tianjin 300384,China)

机构地区：[1]天津理工大学计算机科学与工程学院计算机视觉与系统教育部重点实验室,天津300384 [2]天津理工大学计算机科学与工程学院智能计算及软件新技术天津市重点实验室,天津300384

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61571328);天津市重大科技专项资助项目(15ZXDSGX00050,16ZXFWGX00010);天津市科技支撑重点项目(17YFZCGX00360);天津市自然科学基金资助项目(15JCYBJC46500);天津市科技创新团队项目(12-5016,2015-23,13-5025)

年　　份：2019

卷　　号：36

期　　号：11

起止页码：3460-3463

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：数据丢失是面对智能车联网中的一个常见问题。鉴于此,考虑了大型和多样化车联网中的缺失数据问题。通过在智能车联网中提取公共交通模式,比较了函数估计和张量分解等方法来估计这些缺失值的优劣后,提出了张量低秩近似估计新方法,该方法在缺失数据的情况下获得流量模式,得到大规模车联路网的低秩表示。通过不同的道路车联网实验测试,表明该新方法的估计精度、数据集的偏差达到了较好的效果。

关 键 词：车联网 智能  数据丢失 估计  偏差  

分 类 号：TP391]