基于SVR的Wi-Fi探针缺失数据预测方法
彭浩
安徽建筑大学电子与信息工程学院 安徽合肥 230601
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.
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
资助基金：安徽省高校省级自然科学研究重点项目(KJ2020A0470)安徽省高校学科拔尖人才学术资助项目(gxbjZD2021067)安徽建筑大学质量工程项目(2021jy14)
论文发表日期：2022-06-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 42-45 )