均值填补算法的改进和研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 选题目的和意义 | 第9-10页 |
| 1.2 缺失数据处理的传统方法 | 第10-13页 |
| 1.3 数据填补研究现状 | 第13-17页 |
| 1.4 本文的主要工作 | 第17-19页 |
| 第二章 基于PCA的近邻均值的图形数据填补 | 第19-26页 |
| 2.1 最近邻均值填补原理 | 第19-20页 |
| 2.2 PCA算法 | 第20页 |
| 2.3 改进后的近邻均值算法 | 第20-22页 |
| 2.3.1 构造缺失值近邻矩阵 | 第21页 |
| 2.3.2 结合PCA算法计算属性影响值 | 第21-22页 |
| 2.3.3 设置值域确定填补值 | 第22页 |
| 2.4 实验结果 | 第22-26页 |
| 2.4.1 检验方法 | 第22-23页 |
| 2.4.2 实验结果 | 第23-24页 |
| 2.4.3 算法普适性检验 | 第24-26页 |
| 第三章 基于属性相关的KNN填补算法 | 第26-39页 |
| 3.1 KNN算法的具体步骤 | 第26-27页 |
| 3.2 基于属性相关的改进方式 | 第27-28页 |
| 3.3 改进的KNN填补算法 | 第28-30页 |
| 3.3.1 构造数据的相关系数矩阵 | 第28页 |
| 3.3.2 计算KNN算法的估计值 | 第28-29页 |
| 3.3.3 计算维度相关值得到最终填补值 | 第29-30页 |
| 3.4 实验结果 | 第30-33页 |
| 3.4.1 评价标准 | 第30-31页 |
| 3.4.2 实验数据和结果 | 第31-33页 |
| 3.5 结果分析 | 第33-39页 |
| 3.5.1 K定值时改进算法和经典KNN的比较 | 第33-34页 |
| 3.5.2 相同数据K不同 | 第34-36页 |
| 3.5.3 与其他算法的比较 | 第36-37页 |
| 3.5.4 结果分析总结 | 第37-39页 |
| 第四章 结论和展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 附录A KNN算法和改进算法代码 | 第43-45页 |
| 附录B 算法对比图 | 第45-47页 |
| 致谢 | 第47-48页 |
| 攻读学位期间的研究成果 | 第48-49页 |
