基于深度学习与矩阵完成的IoT网络定位：面对异常值情景
机器学习
2025-08-26 v1 人工智能
信息论
math.IT
摘要
本文提出一种基于深度学习与矩阵完成的方案，用于恢复被异常值污染的欧几里得距离矩阵D在物联网网络定位中的恢复。不同于常规定位技术在整个矩阵集合中搜索解本方法，所提技术将搜索限制在满足D独特性属性的矩阵集合内。具体而言，将D表示为传感器坐标矩阵X的函数，利用其固有属性确保D的唯一性，然后通过深度神经网络联合恢复D与X。为有效处理异常值，将其建模为稀疏矩阵L并加入正则化项。随后通过交替更新X、D、L来求解。数值实验表明，所提技术即使在存在异常值的情形下也能准确恢复传感器的定位信息。
引用
@article{arxiv.2508.18225,
title = {Deep Learning and Matrix Completion-aided IoT Network Localization in the Outlier Scenarios},
author = {Sunwoo Kim},
journal= {arXiv preprint arXiv:2508.18225},
year = {2025}
}
备注
4 pages, 2 figures