用于网络定位的鲁棒相异性度量
最优化与控制
2014-10-10 v1
摘要
在实际应用中，网络应用必须应对节点故障、恶意攻击，或节点面临高度损坏数据（通常归类为离群点）的情况。这需要鲁棒、简单且高效的方法。我们提出了一种用于网络定位的相异性模型，该模型对高功率噪声具有鲁棒性，同时在常规高斯噪声存在的情况下具有判别力。我们利用 M-估计量 Huber 惩罚函数的已知性质，构建了一个鲁棒但非凸的问题，并设计了一个在函数项上紧密的凸下估计器，该估计器可在多项式时间内最小化。仿真结果表明，在存在离群点和常规高斯噪声的情况下，使用该相异性模型具有性能优势。
引用
@article{arxiv.1410.2327,
title = {Robust dissimilarity measure for Network Localization},
author = {Cláudia Soares and João Gomes},
journal= {arXiv preprint arXiv:1410.2327},
year = {2014}
}