一种对无统计环境测量模型缺省值进行预测的新方法

• 作者: 李梦龙 王晃 王智猛 郁凌庄 马宁
• 来源期刊: 四川大学学报(自然科学版)
• 学科: 化学
• 关键词: KNN最邻近法 最大似然主成分分析 缺省值预测 环境数据
• 年，卷（期）: 2003,（4）
• 页码范围: 736-739
• 页数: 4页
• 分类号: O651
• 字数: 2488字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2003.04.028

摘要

采用模式识别中的K最近邻法(KNN方法)对不满足于统计模型的数据阵中的缺省值进行预测,预测以样本值作为预测参照.由于原始数据阵没有训练集,故采用对原始数据进行最大似然主成分分析(MPCA),获得的结论与KNN方法处理后的数据的主成分分析结论相比较,结果表明,两套数据分析得出的主因子数、因子负载阵基本一致,而因子得分阵有细微的差别,预测较缺省值处理可获得更详尽的信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李梦龙	四川大学化学学院	79	604	14.0	20.0
2	王智猛	四川大学化学学院	8	85	3.0	8.0
3	马宁	四川大学化学学院	7	11	2.0	3.0
4	郁凌庄	四川大学化学学院	1	0	0.0	0.0