高维相关性缺失数据的分块填补算法研究

• 作者: 于亮亮 杨杰 杨虎 王鲁滨 郭华 金鑫
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 高维相关性数据 缺失数据 分块填补算法
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 数据库技术
• 页码范围: 1557-1569
• 页数: 13页
• 分类号: TP311
• 字数: 10742字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1609010

摘要

研究了高维相关性缺失数据的填补方法,提出了分块填补算法.该算法核心思想是:在填补数据的过程中会考虑变量之间的相互关系,仅利用与待填补数据有相关性的数据进行填补,从而降低不相关数据对缺失数据填补的影响,提高数据填补的准确度.同时,该算法能够并行处理缺失数据,从而提高数据填补效率,对于高维缺失数据的填补有重要意义.为了对分块情况未知的缺失数据进行分块,提出了基于k-means聚类的分块算法.大量的仿真实验和基于真实数据集的实验表明,对于相关性数据,分块填补算法能够有效地利用相关信息进行填补,从而提高数据填补准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金鑫	中央财经大学信息学院	33	131	6.0	10.0
2	杨虎	中央财经大学信息学院	4	56	3.0	4.0
3	王鲁滨	中央财经大学信息学院	12	119	6.0	10.0
4	于亮亮		11	11	1.0	3.0
5	杨杰	中央财经大学信息学院	3	8	1.0	2.0
6	郭华		2	8	1.0	2.0