一种基于GKNN的改进样本数据缺失值的填补算法

摘要

本发明提出一种基于GKNN的改进样本数据缺失值的填补算法，该算法利用灰色关联系数对数据中不确定的样本进行合理的预测，通过数据间的灰色距离得出相关数据属性变异性与关联性，从而得到数据缺失样本的K个近似相邻样本。这种采用新的KNN差补迭代填充缺失数据的方式来处理异构数据的方法被命名为GKNN。