| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究目的及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.3 主要工作与技术 | 第8-10页 |
| 1.4 符号说明 | 第10页 |
| 1.5 本文结构 | 第10-12页 |
| 第二章 数据缺失的相关理论 | 第12-21页 |
| 2.1 缺失数据产生的原因 | 第12页 |
| 2.2 数据缺失的机制 | 第12-13页 |
| 2.3 数据缺失的模式 | 第13-14页 |
| 2.4 缺失处理的方法 | 第14-19页 |
| 2.5 缺失填补的评价指标 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 常用填补算法 | 第21-27页 |
| 3.1 K邻近填补算法（K-Nearest Neighbor，KNN） | 第21-22页 |
| 3.2 奇异值分解填补法（Singular Value Decomposition，SVD） | 第22-23页 |
| 3.3 贝叶斯主成分填补法（Bayesian Principal Component Analysis，BPCA） | 第23-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 主成分分析填补方法的理论分析 | 第27-45页 |
| 4.1 主成分分析原理及步骤 | 第27-28页 |
| 4.2 概念和引理 | 第28-30页 |
| 4.3 主成分分析填补方法的来源与动机 | 第30-33页 |
| 4.4 算法设计 | 第33-34页 |
| 4.5 主成分分析填补方法的有效性理论 | 第34-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 SG-PCA填补算法 | 第45-53页 |
| 5.1 去噪模型 | 第45-47页 |
| 5.2 SG-PCA填补算法 | 第47-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录1 硕士在读期间发表论文 | 第57-58页 |
| 附录2 致谢 | 第58页 |
