RIIM:基于独立模型的在线缺失值填补

摘要：

随着数据来源的不断丰富,数据的获取变得愈发容易,但质量难以得到保证,从而导致缺失值在真实数据集中普遍存在且难以避免,缺失值填补也就成为数据质量管理领域的经典问题之一.目前,大多数的缺失值填补算法均是针对静态数据提出的,并不适用于高速到达的动态数据流,且现有算法大多未同时考虑数据的稀疏性和异构性问题.基于此,文中提出了一种新的基于独立模型的在线缺失值填补算法RIIM.该算法同时考虑了数据的稀疏性和异构性问题,并结合近邻填补和回归填补的基本思想对缺失值进行有效填补.首先,针对数据的动态实时性,提出了高效的填补模型增量更新算法;其次,针对数据近邻查找时间代价高以及近邻个数难以确定的问题,提出了最优近邻自适应周期性更新策略;最后基于真实数据集通过大量实验验证了所提算法的有效性.

关键词：缺失值、在线填补、数据流、稀疏性、异构性

所属期刊栏目：49

分类号：TP3-05(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;中国博士后科学基金面上项目;中国博士后科学基金面上项目;中国博士后科学基金面上项目;辽宁省自然科学基金;赛尔网络下一代互联网技术创新项目;中央高校基本科研业务费

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：56-63