面向发展中国家稳健且经济高效的异构气象传感器网络的传感器选择与随机场重建
机器学习
2017-11-27 v3 信号处理
摘要
我们解决了异构传感器网络中的两个基本问题：空间场重建与传感器选择：(i) 如何基于同时来自高质量与低质量传感器网络的测量值高效地执行空间场重建；(ii) 如何执行基于查询的传感器集合选择并提供预测均方误差（MSE）性能保证。针对第一个问题，我们开发了一种基于空间最佳线性无偏估计器（S-BLUE）的低复杂度算法。接着，在 S-BLUE 的基础上，我们解决第二个问题，并开发了一种带性能保证的基于查询的传感器集合选择的高效算法。我们的算法基于交叉熵方法，以高效方式解决组合优化问题。
引用
@article{arxiv.1711.04308,
title = {Sensor Selection and Random Field Reconstruction for Robust and Cost-effective Heterogeneous Weather Sensor Networks for the Developing World},
author = {Pengfei Zhang and Ido Nevat and Gareth W. Peters and Wolfgang Fruehwirt and Yongchao Huang and Ivonne Anders and Michael Osborne},
journal= {arXiv preprint arXiv:1711.04308},
year = {2017}
}
备注
Presented at NIPS 2017 Workshop on Machine Learning for the Developing World