基于傅里叶变换和kNNI的周期性时序数据缺失值补全算法

• 作者: 宋腾炜 王建新 贾梓健
• 来源期刊: 软件工程
• 学科: 工学
• 关键词: 缺失值补全 最近邻填充算法 周期数据 傅里叶变换
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 方法与技术
• 页码范围: 9-13
• 页数: 5页
• 分类号: TP391.4
• 字数: 5594字
• 语种: 中文

摘要

在机器学习和数据挖掘过程中,数据缺失现象经常发生.对缺失值的有效补全是数据预处理的重要组成部分,也是后续分析挖掘工作的基础.最近邻填充算法(kNNI)因其易于实现、计算方便和局部填充效果好等特性而被广泛应用.但是,它并不涉及全局信息,因而当大段缺失值发生时,补全效果会有所降低,而对于具有周期成分的时序数据,其效果更是急剧下降.幸运的是,傅里叶变换能够解析出周期数据中的不同周期成分,并能在此基础上通过逆变换基本实现数据复原,只不过其局部复原能力较弱.因此,本文结合傅里叶变换对周期性数据的全局复原能力和kNNI对局部数据的补全能力,提出了基于傅里叶变换的kNNI缺失值补全算法(FkNNI).通过对大量模拟数据的测试结果表明,该算法比单纯的kNNI算法的缺失值补全准确性有很大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建新	北京林业大学信息学院	35	165	8.0	11.0
2	贾梓健	北京林业大学信息学院	1	5	1.0	1.0
3	宋腾炜	北京林业大学信息学院	1	5	1.0	1.0