带有缺失数据的一种动态聚类方法

摘要：

[目的]探讨实际问题研究中的不完全数据聚类.[方法]利用相关变量的辅助信息,对缺失数据进行推估,确定其合理的替代值,从而构造出一个“完全”数据集.在此基础上以EM算法循环迭代,参数的估计值和缺失数据的替代值都将逐渐收敛,以相应的贝叶斯后验概率判别个体的归类,进而实现动态聚类.[结果]模拟研究表明,缺值替代法具有较好的收敛性,对有缺失的数据基本都可正确地聚类.[结论]Fisher的鸢尾花花类识别数据验证了缺值替代法的可行性,其聚类的准确性高于缺值删除法,基本接近完全数据聚类.

关键词：聚类分析、缺失数据、后验概率、极大似然估计

所属期刊栏目：45

分类号：S1(农业基础科学)

资助基金：国家自然科学基金;江苏省重点实验室开放基金

在线出版日期：2012-12-28（万方平台首次上网日期，不代表论文的发表时间）

页码：4534-4542