科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于海量传感数据多维属性和空间维度的存在，传统的可视化重构算法可能无法展示所有的特征信息，因此，研究一种能够有效展示多维属性和空间维度的可视化重构算法。根据海量传感数据的不同属性进行特征提取后，再从空间维度的角度对传感数据进行转换，并将每个传感数据时间序列转换为时间序列图的形式。接着，使用扩张卷积神经网络（DCNN）对转换后的时间序列图进行分类任务。基于学习分类矩阵和微图池化方法对分类后的序列图进行可视化重构，将重构后得到的输出值映射到一组簇中，并计算节点得分。最后，将节点得分排名靠前的节点作为重构的基点，实现传感数据的重构。测试结果表明，所设计的算法能够以较高的灵敏度实现对数据的准确分类处理。
-
单位南京审计大学
