技术总结
本发明出一种基于KNN的改进缺失数据填补算法，包括步骤：(1)对传统的复相关系数倒数赋权法进行改进，并利用改进后的算法计算出每个属性对含缺失值属性的重要性，删除一些与关键属性关联较小的属性，对属性集进行精简操作，得到仅含精简属性集的数据样本集。(2)利用马氏距离综合考虑属性间的相关性和变异性的优点，结合灰色关联分析法对含不确定因素样本的有效预测，计算出缺失样本的K个近邻样本。(3)根据计算得到的K个距离值，依据熵权法对K个样本对应的属性赋熵权值，再结合属性值，计算出最终的填补值。本发明能够降低缺失数据算法的计算复杂度、提高邻近样本取值精确度以及提高数据填补值的估算精度。
技术研发人员：谢强;王振
受保护的技术使用者：南京航空航天大学
文档号码：201610892814
技术研发日：2016.10.12
技术公布日：2017.02.15