公开(公告)号：CN114756535A

公开(公告)日：2022-07-15

申请号：CN202210331227.9

申请日：2022-03-31

Applicant: 复旦大学 ,  珠海复旦创新研究院

Inventor： 杨卫东 ,  王小航

IPC: G06F16/215 ,  G06F16/2458 ,  G06F17/16 ,  G06T5/00 ,  G06N7/00

Abstract: 本发明提供一种基于复杂噪声的贝叶斯张量补全算法，针对具有缺失值以及复杂噪声的目标数据，通过将目标数据表示为张量，该张量为张量估计值和噪声的和，并采用CP分解提取张量的低秩信息，结合CP分解、贝叶斯方法的框架进行吉布斯抽样，通过迭代得到张量估计值，进而基于张量估计值对目标数据同时进行补全和去噪。由于采用CP分解充分挖掘张量的低秩信息，且充分利用了已观测的张量信息，并进行了迭代抽样，因此该补全算法对异常值以及复杂噪声也能够实现很好的补全及去噪，是一种鲁棒有效的张量补全算法，相比于现有技术中的补全方法，本发明的补全算法能够获得更为精确的张量估计值，从而实现更为精确的目标数据补全及去噪。

公开(公告)号：CN114756813A

公开(公告)日：2022-07-15

申请号：CN202210331188.2

申请日：2022-03-31

Applicant: 复旦大学 ,  珠海复旦创新研究院

Inventor： 杨卫东 ,  王小航

IPC: G06F17/16

Abstract: 本发明提供一种基于多测量值的贝叶斯张量补全算法，将多测量值数据用多个张量表示，并设定张量的每个张量元素的每个测量值服从高斯分布；然后对张量进行CP分解，得到相应的因子矩阵，并设定因子矩阵的参数服从共轭先验分布；进而采用吉布斯抽样法对各参数的后验条件分布分别抽样，输出张量的估计值，基于张量的估计值对多测量值数据中的缺失值进行插值，从而实现数据补全。综上所述，本发明的补全方法针对于测量精度低、成本高且某些区域反复测量多次的测量数据，采用吉布斯抽样法结合CP分解实现数据补全，相比现有技术中的补全方法，由于本发明的方法可以利用全部测量数据的信息，因此能够提供更准确的估计值，从而实现更精确的数据补全。