第1章 绪论
1.1 选题背景和研究意义
1.2 缺失值填充的研究历史和现状
1.2.1 基于参数的填充算法
1.2.2 基于非参数的填充算法
1.3 本文的主要内容及组织结构
1.3.1 本文主要内容
1.3.2 本文的组织结构
第2章 缺失值填充的理论基础
2.1 缺失值的定义
2.2 数据缺失的原因
2.3 数据缺失的机制
2.4缺失值对数据挖掘的影响及处理的必要性
2.5 处理缺失值的常用方法
2.5.1 删除法
2.5.2 填补法
第3章 基于KNN的核相似性的缺失值填充算法
3.1基于KNN传统填补算法简介
3.2 基于核函数的相似性的填充算法
3.2.1 核函数的相似性介绍
3.2.2 基于核函数相似性填充算法
3.2.3 算法的伪代码描述
3.2.4实验设计与分析
3.3 实验结果与分析
3.4 本章小结
第4章 基于相关性构建的低秩填充算法研究
4.1低秩矩阵理论
4.1.1 低秩矩阵背景及研究现状
4.1.2 矩阵填充的模型表示及优化算法
4.2基于相关性构建低秩矩阵填补缺失值
4.2.1 低秩填充的问题模型
4.2.2 相关性检验
4.2.3 GROUSE 算法
4.2.4 基于相关性的低秩缺失值填充步骤
4.3 实验设计与结果
4.4 实验结果分析
4.4.1 填充结果分析
4.4.2相关性阈值a对填充效果的影响
4.5 本章小结
第5章 低秩矩阵填充算法在风速数据集上的应用
5.1 风速数据的初步探索
5.1.1 风速特征的描述
5.1.2 风速数据矩阵的构建
5.2 基于低秩近似的缺失值填充算法
5.3 实验结果和分析
5.3.1 确定矩阵行和列
5.3.2 基于随机缺失的缺失风速数据填补
5.4 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2下一步工作展望
参考文献
发表论文和参加科研情况说明
致谢
天津大学;
