论文研究 基于马尔可夫链的传感器网络空间相关性数据预测算法.pdf
如何在降低计算复杂度的同时提高数据预测的精度,是传感器网络数据预测研究中亟需解决的问题之一。针对目前主流的时间相关性数据预测算法在数据波动大时预测精度低的问题,引入Delaunay三角形邻近图来度量网络中监测数据的空间相关性,并提出基于马尔可夫链的空间相关性数据预测算法。实验表明,该算法可以在数据波动不规律的情况下提高数据预测精度,减少网络中数据传输量。
如何在降低计算复杂度的同时提高数据预测的精度,是传感器网络数据预测研究中亟需解决的问题之一。针对目前主流的时间相关性数据预测算法在数据波动大时预测精度低的问题,引入Delaunay三角形邻近图来度量网络中监测数据的空间相关性,并提出基于马尔可夫链的空间相关性数据预测算法。实验表明,该算法可以在数据波动不规律的情况下提高数据预测精度,减少网络中数据传输量。