Question

我有几个数据集，即具有2列的矩阵，一个具有matlab日期编号，另一个具有double值。这里是其中一个的示例集

>> S20_EavesN0x2DEAir(1:20,:)
ans =

   1.0e+05 *

   7.345016409722222   0.000189375000000
   7.345016618055555   0.000181875000000
   7.345016833333333   0.000177500000000
   7.345017041666667   0.000172500000000
   7.345017256944445   0.000168750000000
   7.345017465277778   0.000166875000000
   7.345017680555555   0.000164375000000
   7.345017888888889   0.000162500000000
   7.345018104166667   0.000161250000000
   7.345018312500001   0.000160625000000
   7.345018527777778   0.000158750000000
   7.345018736111110   0.000160000000000
   7.345018951388888   0.000159375000000
   7.345019159722222   0.000159375000000
   7.345019375000000   0.000160625000000
   7.345019583333333   0.000161875000000
   7.345019798611111   0.000162500000000
   7.345020006944444   0.000161875000000
   7.345020222222222   0.000160625000000
   7.345020430555556   0.000160000000000

既然我有那些不同的传感器值，我需要将它们组合成一个矩阵，这样我就可以执行聚类，神经网络等等，唯一的问题是，传感器数据的采集时间略有不同或者时间戳，从数据收集的角度来看，我无能为力。我的第一个想法是插值，使一个传感器数据集适合另一个，但这似乎是一个混乱的方法，我想也许我错过了一些工具箱或功能，使我能够更快地做到这一点，而不是我摆弄。为了使事情更复杂，传感器的数量随着时间的推移而增长，因此我也在考虑不同的开始日期。

有人知道如何解决这个问题吗？感谢

Answer 1

我认为你对插值的第一个想法是正确的，至少如果你打算使用NN。另一种选择是使用旨在处理缺失数据的方法，例如http://en.wikipedia.org/wiki/Dempster%E2%80%93Shafer_theory。

Answer 2

很难给出群集部分的答案，因为我不知道你在数据中寻找什么。

对于神经网络，除了插值之外，至少还有两种其他方法可以想到：

为每个矩阵培训单独的网络
将它们全部一起馈送到同一网络，其中一个标志指定数据来自哪个矩阵，即类似于：input（timestamp，flag_m1，flag_m2，...，flag_mN）=＆gt; target（value）其中flag_m *列是互斥的布尔值 - 即如果该行来自矩阵K，则flag_mK为1，否则为0。

对于您提供的信息量，我可以安全地说出这些内容。

合并传感器数据以进行聚类/神经网络使用

2 个答案: