.png){kind=icon}
返回
Spatiotemporal water quality data reconstruction: A tensor factorization framework
.png){kind=icon}
OA
AI
DOI：10.1016/j.ecoinf.2025.103283.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 本研究提出七偏置NTF模型以改进水质数据插补。
• 一种集成方法增强了不同缺失场景下的准确性。
• 我们提出的方法在准确性和计算效率方面均优于现有方法。
• 使用AHFM数据的验证表明其对于实际水质管理具有有效性。
Keyword:
Water quality
Missing data imputation
Nonnegative tensor factorization
Ensemble
Bias scheme
Lake Dianchi
期刊
IF:
7.3
论文数:
3.8K
被引数:
1.3W
机构
暂无机构信息
引用论文
.png){kind=icon}
An Adaptively Bias-Extended Non-negative Latent Factorization of Tensors Model for Accurately Representing the Dynamic QoS Data一种自适应偏置扩展的非负张量潜因子分解模型，用于精确表示动态QoS数据
PREAI
分享收藏分享收藏Fourth-Order Dimension Preserved Tensor Completion With Temporal Constraint for Missing Traffic Data Imputation四阶维度保持张量补全与时间约束用于缺失交通数据插补
PREAI
分享收藏分享收藏
查看更多内容