不完全數(shù)據(jù)填充算法的研究與應用.pdf

1、隨著互聯(lián)網(wǎng)和人工智能的不斷發(fā)展與深化，數(shù)據(jù)正以指數(shù)級的姿態(tài)爆發(fā)。但由于各種原因導致這些數(shù)據(jù)中存在大量的不完全數(shù)據(jù)，直接影響進一步的數(shù)據(jù)分析與挖掘，使得數(shù)據(jù)無法最大化的發(fā)揮其價值。因此對不完全數(shù)據(jù)填充的研究具有極其重要的意義。
　　傳統(tǒng)的單次數(shù)據(jù)填充算法用全部數(shù)據(jù)集進行填充，這在提高了計算量同時又沒有考慮數(shù)據(jù)間的相關性，并且大部分算法無法直接對缺失數(shù)據(jù)進行特征提取；而對于迭代式填充算法，大多又存在收斂慢，精度不夠高等問題。
　

2、　針對以上問題，文本先提出了一種基于深度信念網(wǎng)絡的不完全數(shù)據(jù)填充算法，用降噪的深度信念網(wǎng)絡直接從不完全數(shù)據(jù)提取出具有一定魯棒性的特征。再用這些特征進行聚類，在每個類內(nèi)使用共現(xiàn)矩陣和部分距離策略對數(shù)據(jù)進行舉手表決，最后將得分轉換成權重進行加權填充。然后本文又提出了一種基于多核估計的不完全數(shù)據(jù)填充算法，它是一種迭代式填充算法，針對離散屬性構建核函數(shù)，并對連續(xù)屬性構建多個核函數(shù)的估計器，進而得到混合屬性的多核估計器。同時，為了提高算法收斂速度