数据挖掘中基于ICA的缺失数据值的估计

计算机科学 ›› 2005, Vol. 32 ›› Issue (12): 203-205.

• 软件工程与数据库技术 • 上一篇下一篇

数据挖掘中基于ICA的缺失数据值的估计

彭红毅朱思铭蒋春福

中山大学数学与计算科学学院,广州510275

出版日期:2018-11-17 发布日期:2018-11-17
基金资助:
本文得到圈家自然科学基金资助（10371135）.

PENG Hong-Yi, ZHU Si-Ming, JIANG Chun-Fu （Department of Mathematics, Sun Yat-sen University, Guangahou 510275）

Online:2018-11-17 Published:2018-11-17

摘要/Abstract

摘要： 本文简单介绍了数据挖掘中缺失数据的研究现状及ICA的特点与发展前景，提出了基于ICA的缺失数据估计模型——ICA-MDH模型。该模型研究了数据之间存在相关关系且为非高斯分布时缺失数据的处理方法，该方法能充分利用已知数据记录中的已知信息，且具有较好的通用性。实验通过对一些不完整经济数据进行了处理。结果表明，本文提出的缺失数据估计方法的精度明显优于平均值法和PCAs法，从而验证了本文所提模型的正确性与合理性。

关键词: 缺失数据 ICA 相关关系高斯分布

Abstract: This paper introduces the study state of missing data as well as ICA＇s characteristics and foreground in brief, proposes a model, which is named as ICA-MDH model in this paper, based on ICA which is used abroad to dis- pose missing data under the circumst

Key words: Missing data, ICA（independent component analysis）, Correlation, Gaussian distribution

彭红毅朱思铭蒋春福. 数据挖掘中基于ICA的缺失数据值的估计[J]. 计算机科学, 2005, 32(12): 203-205. https://doi.org/

PENG Hong-Yi, ZHU Si-Ming, JIANG Chun-Fu （Department of Mathematics, Sun Yat-sen University, Guangahou 510275）. [J]. Computer Science, 2005, 32(12): 203-205. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

数据挖掘中基于ICA的缺失数据值的估计

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

Metrics

本文评价

推荐阅读 0