基于PCA的近邻均值填补优化算法

• 作者: 廖龙龙 毕永朋 谢霖铨
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 近邻均值填补 主成分分析 特征重要度 偏移值
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法与语言
• 页码范围: 67-69,76
• 页数: 4页
• 分类号: TP312
• 字数: 2906字
• 语种: 中文
• DOI: 10.11907/rjdk.172938

摘要

均值填补是常用的数据填补方式,但往往忽略了相邻变量之间的相互关系,又对噪声数据极为敏感.将主成份分析算法应用到均值填补算法中,提取相邻各属性的特征重要度,并采用属性重要度作为权重,以均值填补的计算方式算出缺失数据相邻矩阵的加权平均值,将其作为相邻属性对于均值填补的影响偏移值,加入到均值填补的均值计算中.通过对UCI数据集的仿真实验可知,基于PCA改进的算法填补的准确性明显优于均值填补算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢霖铨	江西理工大学理学院	27	81	5.0	7.0
2	廖龙龙	江西理工大学理学院	3	4	2.0	2.0
3	毕永朋	江西理工大学理学院	2	4	2.0	2.0