利用聚类分析和离群点检测的数据填补方法

• 作者: 李亚军 汪睿 陈海山 马永军
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 核方法 聚类分析 缺失数据 数据填补 离群点检测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 软件与算法
• 页码范围: 744-747,761
• 页数: 5页
• 分类号: TP391
• 字数: 5022字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2019.03.025

摘要

为提高数据填补方法的正确率, 提出利用核K-Means聚类和离群点检测来填补缺失数据的算法 (KKMOD) .用核方法将数据集映射到高维空间, 聚类后形成不同簇, 在同簇内选择与缺失数据最相似的数据进行填补, 使用核K-Means进行离群点检测, 将检测到的离群点去除填补值, 重新放入数据集填补, 算法不断迭代, 直到填补的数据不再检测出离群点.实验结果表明, KKMOD方法能够充分考虑簇内关系, 避免不同簇相互干扰, 提高数据填补算法的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马永军	天津科技大学计算机科学与信息工程学院	39	254	9.0	14.0
5	李亚军	天津科技大学计算机科学与信息工程学院	6	16	2.0	4.0
6	汪睿	天津科技大学计算机科学与信息工程学院	3	6	2.0	2.0
7	陈海山	天津科技大学计算机科学与信息工程学院	3	6	2.0	2.0