计算机工程

作者：李国和, 杨绍伟, 吴卫江, 郑艺峰

单位：1. 中国石油大学(北京) a. 石油数据挖掘北京市重点实验室;b. 地球物理与信息工程学院, 北京 102249;2. 闽南师范大学 a. 数据科学与智能应用福建省高等学校重点实验室;b. 计算机学院, 福建 漳州 363000

关键词：缺失值,预充填,聚类,递归充填,平方误差

基金：国家自然科学基金（61701213）；国家油气重点专项子课题（G-5800-08-ZS-WX）；中国石油大学（北京）克拉玛依校区科研启动基金（RCYJ2016B-03-001）；福建省教育厅中青年基金（JA15300）。

在大数据应用中，多数建模方法是在完备数据集基础上进行的，但在数据采集过程或存储过程中容易出现数据缺失的现象，导致无法建模。为此，提出一种基于聚类的递归充填方法。使用同类簇的均值对不完备数据进行预填充，形成初始完备数据集，针对得到的完整数据进行聚类，并运用同类簇的均值修正初始充填值。根据充填效果误差判定充填稳定性，并进行多次递归聚类修正充填值，直到前后两次充填较为稳定或迭代次数超过阈值时停止迭代。实验结果表明，与均值充填、K最近邻充填、聚类充填及粗糙集不完备数据分析等方法相比，该方法能够进行更为精准的充填，使得最终充填更加接近真实数据。

来源：2019年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第9期