基于灰色关联分析的类中心缺失值填补方法

• 作者: 刘莎 杨有龙
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据分析 不完整数据 缺失值填补 类中心 灰色关联分析
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机科学
• 页码范围: 871-878
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.05.008

摘要

真实数据集中含有缺失值,许多数据分析技术不能直接应用到不完整数据上,且缺失值的存在会明显地降低算法的有效性,缺失数据处理是一个不可缺少的数据预处理过程,因此提出了一个基于统计度量的缺失值填补算法,名为灰色类中心缺失值填补(GCCMVI)方法,利用数据点的类中心和标准差来填补缺失值,此外,通过比较阈值和实例与类中心间相关性的大小关系,决定是否加上(减去)标准差,灰色关联分析用来计算相关性,在缺失值被填补后,得到的完整的数据集用来训练支持向量机(SVM)分类器.在三种类型不同的数据集上进行比较,以分类精度,填补效果,填补时间作为评估准则来衡量算法的有效性.实验结果表明,所提出的算法显著地提高了分类精度和填补效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨有龙		44	147	7.0	10.0
2	刘莎		1	0	0.0	0.0