基于非负矩阵分解的缺失数据插补算法研究.pdf

《基于非负矩阵分解的缺失数据插补算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4期组合机床与自动化加工技术NO．42013年4月ModularMachineTool＆AutomaticManufacturingTechniqueApr．2013文章编号：1001—2265(2013)04—0051—03基于非负矩阵分解的缺失数据插补算法研究韩婧，赵楠(天津大学管理与经济学部，天津300072)摘要：供应链绩效分析依赖于真实的供应链绩效数据。对于供应链绩效诊断分析问题，由于节点企业众多．管理咨询常用的发放问卷、访谈等调研方式难以满足实际需求，数据质量也难以保证。重点探讨样本数据中的缺失值插补问题，主要

2、面向缺失数据问题中的一般缺失模式，特别针对供应链绩效数据缺失问题。基于缺失数据处理技术及矩阵分解理论，给出有效的插补算法：基于非负矩阵分解的插补算法，通过数值实验证明了算法的有效性。该算法可以更为有效、准确、低成本地获得供应链上各节点企业的绩效数据。关键词：缺失数据；插补法；非负矩阵分解中图分类号：F224文献标识码：ANonnegativeMatrixFactorization-basedMissingDataInterpolationAlgorithmHANJing，ZHAONan(CollegeofManagmenta

3、ndEconomicsSchoolofManagementTianjinUniversity，Tianjin300072，China)Abstract：Supplychainperformancedependsontherealsupplychainperformancedata．Becauseoflotsofnodeenterprises，themanagementconsultingcommonlyusedquestionnaires，interviewsandotherre—searchmethodscannotmee

4、ttheactualneeds，thedataqualityofsupplychainperformancediagnostica-nalysisisdificulttoguarantee．Focusontheinterpolationofmissingvaluesinthesampledata，mainlyforthegenerallackofpatterninthemissingdataproblem，especiallyforsupplychainperformancedatamissing．Basedonthemis

5、singdataprocessingtechnology，decomposingmatrixtheory，anddataminingtechnology，efectiveimputationalgorithmhasbeengiven，whichbasedonthedecompositionofthenonnegativematricesfactorization．Theefectivenessofthealgorithmisdemonstratedbythenumericalexperiments．Thealgorithmc

6、anbemoreefficient，accurate，low-costtogetperformancedataoneachnodeinthesupplychainenterprises．Keywords：missingdata；interpolation；thenonnegativematricesfactorization针对供应链绩效数据统计的特殊性，提出一种0引言基于非负矩阵分解的缺失数据插补算法，通过仿真抽样调查及数据统计分析是管理学研究的重要数据分析对比，验证了算法的有效性和可靠性，并给手段之一，在供应链绩效分析、

7、期市套利、信用评价、出不同缺失率下插补算法的选择策略，有助于改善需求预测等方面广泛应用。抽样调查及数据统计分调查数据插补质量。析提供客观、量化的分析结果，强有力地支持管理学1缺失数据问题及缺失数据插补方法分析理论对管理实践的指导。而在抽样调查中数据缺失是不可避免的问题，由于无应答或异常数据的排除，缺失数据，也称无回答，是指在发放问卷、访谈造成数据不连续，使得统计方法无法使用。因此，数等调查过程中应该存在但由于某种原因而没有得到据插补可以改善这一状况，保证数据分析结果的可的数据。由于存在缺失数据，所以统计分析结果靠性。总结之前

8、的研究现状，可以发现比较常用的缺少真实性和可靠性，往往结果与实际情况存在较缺失数据插补方法有线性回归插补⋯，EM(Expecta。大偏差。针对该问题，需对缺失数据进行处理，常用tionMaximum)算法，最大可能性插补，多重插的处理方法为插补法。插补指为样本中的缺失数据补法刮等。找到一个