稀疏编码的最近邻填充算法.pdf

《稀疏编码的最近邻填充算法.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32卷第7期计算机应用研究Vo1．32No．72015年7月ApplicationResearchofComputersJu1．2015稀疏编码的最近邻填充算法木苏毅娟，程德波"，宗鸣。，李凌孙，朱永华(1．广西师范学院计算机与信息工程学院，南宁530023；2．广西师范大学a．计算机科学与信息工程学院；b．广西多源信息挖掘与安全重点实验室，广西桂林541004；3．广西大学计算机与电子信息学院，南宁530004)摘要：针对K最近邻填充算法(K—nearestneighborimputation，KNNI)的参数K值固定问题进行了研究，发现对缺失值填充时，参数值固定很大程度上影响了填充效

2、果。为此，提出了基于稀疏编码的最近邻填充算法来解决这一问题。该算法是用训练样本重构每一缺失样本，在重构过程中充分考虑了样本之间的相关性；并用范数来学习确保每个缺失样本用不同数目的训练样本填充，以此解决KNNI算法参数值选取问题。基于数据性能分析指标RMSE和相关系数的实验比较结果表明，该算法比KNNI算法的效果要好。该算法能很好地避免了KNNI算法存在的缺陷，适用于数据预处理环节需要对缺失值进行填充的应用领域。关键词：缺失值填充；稀疏编码；重构；均方根误差；相关系数；数据预处理中图分类号：TP181；TP301．6文献标志码：A文章编号：1001．3695(2015)07．194204do

3、i：10．3969／j．issn．1001—3695．2015．07．005K—nearestneighborimputationbasedonsparsecodingSuYijuan，ChengDebo，，ZongMing，，LiLing·，ZhuYonghua(1．CollegeofComputer＆InformationEngineering，GuangxiTeachersEducationUniversity，Nanning530023，China；2．a．SchoolofComputerScience＆InformationEngineering，b．GuangxiKeyo，yo

4、fMulti—sourceInformationMining＆Security，GuangxiNormalUniversity，GuilinGuangxi541004，China；3．SchoolofComputer＆ElectronicsInformation，GuangxiUniversity，Nanning530004，China)Abstract：AimedattheparameterKfixedissuesofK—nearestneighborimputation(KNNI)algorithm，itwasf0undthatwhenimputethemissingvalues，th

5、efixedvalueoftheparameterKresuhedinalargeextentinfluencetotheimputationeffect．Therefore，thispaperproposedtheK—nearestneighborbasedonsparsecoding(KNNI—SC)algorithmtosolvethisproblem．Thismethodreconstructedeachmissingsamplewiththetrainingsamptes，fullyconsideringthecorrelationbetweensamplesintherecon

6、structionprocess．Anditusedan1nornltolearntoensureeachmissingsamplewasimputedbydifferentnumberoftrainingsamples，soitsolvedtheparameterKselectionproblemofKNNIalgorithm．PerformancecomparisonbasedonthedataanalysisoftheexperimentalresultsindicatorsRMSEandcorrelationcoeficientsshowthatthealgorithmisbett

7、erthanKNNIal—gorithm．ThealgorithmcanwellavoidthedefectsofKNNIalgorithm，itisavailabletodatapreprocessingstepthatneedsmiss—ingvaluesimputation’sapplications．Keywords：missingvalueimputation；sparsecoding；reconstruct；