高维相关性缺失数据的分块填补算法研究

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.

关键词：高维相关性数据、缺失数据、分块填补算法

所属期刊栏目：11

分类号：TP311(计算技术、计算机技术)

资助基金：The Young Teachers Development Foundation of Central University of Finance and Economics under Grant No. QJJ1510;the Technology Project of State Grid Corporation of China under Grant No. SGTYHT/14-JS-188

在线出版日期：2017-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1557-1569