刘超超主页：修订间差异

2015年7月16日 (四) 11:41的最新版本

研究综述

数据

移动手机数据

算法

问题领域

研究团队

研究者

研究项目

参考文献

[1] Blondel V D, Decuyper A, Krings G. A survey of results on mobile phone datasets analysis[J]. arXiv preprint arXiv:1502.03406, 2015.

[2] Calabrese F, Ferrari L, Blondel V D. Urban sensing using mobile phone network data: a survey of research[J]. ACM Computing Surveys (CSUR), 2014, 47(2): 25.

@@ 第1行： / 第1行： @@
-==数据==
+==研究综述==
+===数据===
+*移动手机数据
-==算法==
+===算法===
-*电厂实验
-**1）卡尔曼滤波（初步思想）
-***线性卡尔曼滤波方法：根据给定的缺陷数据往前推一定时间范围（例如3个小时），确定异常产生的时间区间，然后根据正常数据使用线性卡尔曼滤波方法预测异常区间传感器的正常数据，并与实际数据做对比，看是否存在较大差异，如果存在，说明判定正确，并可用训练得到的线性卡尔曼滤波模型对后续数据进行预测
-***非线性卡尔曼滤波方法：
-==领域需求==
+===问题领域===
+==研究团队==
+==研究者==
+==研究项目==
+==相关期刊与会议==
+==参考文献==
+[1] Blondel V D, Decuyper A, Krings G. A survey of results on mobile phone datasets analysis[J]. arXiv preprint arXiv:1502.03406, 2015.
+[2] Calabrese F, Ferrari L, Blondel V D. Urban sensing using mobile phone network data: a survey of research[J]. ACM Computing Surveys (CSUR), 2014, 47(2): 25.