稀疏编码的最近邻填充算法

• 作者: 宗鸣 朱永华 李凌 程德波 苏毅娟
• 来源期刊: 计算机应用研究
• 关键词: 缺失值填充 稀疏编码 重构 均方根误差 相关系数 数据预处理
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1942-1945
• 页数: 4页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.07.005

摘要

针对K最近邻填充算法(K-nearest neighbor imputation,KNNI)的参数K值固定问题进行了研究,发现对缺失值填充时,参数K值固定很大程度上影响了填充效果.为此,提出了基于稀疏编码的最近邻填充算法来解决这一问题.该算法是用训练样本重构每一缺失样本,在重构过程中充分考虑了样本之间的相关性;并用e1范数来学习确保每个缺失样本用不同数目的训练样本填充,以此解决KNNI算法参数K值选取问题.基于数据性能分析指标RMSE和相关系数的实验比较结果表明,该算法比KNNI算法的效果要好.该算法能很好地避免了KNNI算法存在的缺陷,适用于数据预处理环节需要对缺失值进行填充的应用领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏毅娟	广西师范学院计算机与信息工程学院	27	129	7.0	10.0
2	程德波	广西师范大学计算机科学与信息工程学院	10	92	5.0	9.0
6	李凌	广西师范大学计算机科学与信息工程学院	3	13	2.0	3.0
10	宗鸣	广西师范大学计算机科学与信息工程学院	5	71	5.0	5.0
14	朱永华		6	33	5.0	5.0