典型文献
基于SVR的Wi-Fi探针缺失数据预测方法
文献摘要：
针对大多数情况下Wi-Fi探针采集到Wi-Fi设备的RSSI序列存在缺失的问题,采用SVR的预测方法对RSSI序列的缺失值进行预测.首先,建立基于SVR的缺失数据预测模型.然后从含有缺失值的数据中提取出连续两个时刻被Wi-Fi探针采集到的RSSI序列,分别作为模型输入和输出.最后利用多个含有缺失值的终端设备数据,将基于SVR预测方法与传统的均值预测方法以及基于BP神经网络预测方法进行缺失数据预测并分析对比.实验结果表明,基于SVR方法得到的RMSE、MAPE、MAE均小于均值预测方法以及BP神经网络的预测方法.同时利用一个终端设备的完整RSSI序列对基于SVR预测方法的性能进行验证,其均方根误差为0.7615,平均绝对百分比误差为1.21％以及平均绝对误差为0.6103.因此,在RSSI序列缺失数据预测中,基于SVR的预测方法结果误差小,整体准确度高,可以实现对RSSI缺失序列的有效预测.
文献关键词：
Wi-Fi探针;接收信号强度指示;缺失数据预测;支持向量机回归;BP神经网络
中图分类号：
作者姓名：
彭浩
作者机构：
安徽建筑大学电子与信息工程学院 安徽合肥 230601
文献出处：
引用格式：
[1]彭浩-.基于SVR的Wi-Fi探针缺失数据预测方法)[J].信息技术与信息化,2022(06):42-45
A类：
B类：
SVR,Wi,Fi,缺失数据预测,RSSI,缺失值,模型输入,终端设备,神经网络预测,分析对比,RMSE,MAPE,MAE,平均绝对百分比误差,平均绝对误差,列缺,失序,接收信号强度指示,支持向量机回归
AB值：
0.194512
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
