基于聚类分析的缺失数据最近邻填补算法

被引：40

作者：

张赤 ^{[1
,2
]}

丰洪才 ^{[1
]}

金凯 ^{[2
]}

杨婷 ^{[2
]}

机构：

[1] 武汉工业学院数学与计算机学院

[2] 中国农业银行湖北省分行营业部电子银行部

来源：

计算机应用与软件 | 2014年 / 31卷 / 05期

关键词：

灰色关联; 马氏距离; 聚类分析; 最近邻算法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

数据缺失在各个研究领域中普遍存在,缺失的数据会对计算的性能与结果产生严重的影响。为提高填补缺失数据的准确度,提出一种基于聚类分析的缺失数据最近邻填补算法。该算法在对数据聚类分析后根据类别分配权重,在MGNN(MahalanobisGray and Nearest Neighbor)算法的基础上改进了计算方法和填充值的计算方式。实验结果表明,该方法填补的准确度比传统KNN和MGNN算法要高。

引用

页码：282 / 284

页数：3

共 10 条

[1]

经济预测方法.[M].孙文生;杨汭华主编;.中国农业大学出版社.2005,

[2]

A grey-based nearest neighbor approach for missing attribute value prediction [J].