基于缺失森林模型的稀疏函數(shù)型數(shù)據(jù)修復(fù)方法

打開文本圖片集

摘 要：為解決函數(shù)型數(shù)據(jù)缺失插補(bǔ)問題，在函數(shù)型數(shù)據(jù)分析框架下，以缺失森林模型（MF）為基礎(chǔ)，采用基于條件期望主成分分析的函數(shù)型插補(bǔ)方法PACE進(jìn)行初始插補(bǔ)，并通過K-means聚類借助樣本之間的相關(guān)性插補(bǔ)，給出了一種融合類信息的函數(shù)型多重插補(bǔ)方法。模擬數(shù)據(jù)插補(bǔ)實(shí)驗(yàn)結(jié)果表明，在不同缺失比例（5%～55%）下，本文方法相較于Hot.deck、MF、均值插補(bǔ)、PACE、MFP、SFI、HFI等7種插補(bǔ)方法，更能保證插補(bǔ)的準(zhǔn)確性和有效性。（剩余10304字）