《表2 笔者提出的算法与IHT-GS算法的性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《利用联合图模型的传感器网络数据修复方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

笔者还对比了基于图频域滤波的IHT-GS算法[10]，利用图傅里叶变换、频域筛选和逆图傅里叶变换生成具有图稀疏特性的网络数据集合[8]。在不同的缺失比例情况下，笔者提出的算法和IHT-GS修复方法进行了性能对比，参照文献[10]中关于数据频域稀疏特性的设定，实验中设定数据矩阵F中每列数据f的图傅里叶变换满足。实验的仿真结果如表2所示。在丢失比例为30%时，IHT-GS算法的修复精度较好；而当数据丢失比较大时，笔者提出的算法相比于IHT-GS算法的均方根误差（RMSE）下降了76%至95%；其迭代次数的结果表明，文中算法相比于IHT-GS算法的迭代效率提高显著。