0 引言
在实际应用中,由于多种原因导致数据集出现了大量的不完整样本(incomplete data)[1]使得人们无法直接使用一些已经取得广泛应用的经典聚类算法[2-3]. Pedro等[4]根据数据的缺失机制,将缺失数据分为三种:完全随机缺失(missing completely at random,MCAR)、随机缺失(missing at random,MAR)和非随机缺失(not missing at random,NMAR).其中,完全随机缺失是指缺失值既与自身值无关也与其它任何值无关,例如传感器设备失灵等;随机缺失是指缺失值与自身值无关,但可以根据数据库中其它样本进行预测,例如调
您可能关注的文档
最近下载
- GBT 8685-2008 纺织品 维护标签规范 符号法.pdf
- NB_T 31046-2022 风电功率预测系统功能规范.docx VIP
- 彝族历史地理——- -历史时期四川凉山彝族地区经济开发及环境变迁.pdf VIP
- 电动车行业产业链研究框架:周期底部已形成,静待长风破浪时-中信建投-2024.9.7-138页.pdf VIP
- 长沙市地理中考真题及答案.doc VIP
- 七年级成绩质量分析...xls
- NBT3风电功率预测系统功能规范解读.docx VIP
- SHT102-2016排雨水明沟及盖板 5.29收.docx VIP
- SHT102-2016排雨水明沟及盖板.pptx VIP
- 2026年辽宁(考研)数学考试真题试卷及答案.docx VIP
原创力文档

文档评论(0)