2025年3月7日
星期五
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
李凌
作品数:
1
被引量:3
H指数:1
供职机构:
广西师范大学
更多>>
发文基金:
广西研究生教育创新计划项目
国家自然科学基金
国家重点基础研究发展计划
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
宗鸣
广西师范大学计算机科学与信息工...
朱永华
广西大学计算机与电子信息学院
苏毅娟
广西师范学院计算机与信息工程学...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
预处理
1篇
数据预处理
1篇
缺失值
1篇
缺失值填充
1篇
最近邻
1篇
相关系数
1篇
均方根误差
机构
1篇
广西师范学院
1篇
广西大学
1篇
广西师范大学
作者
1篇
苏毅娟
1篇
朱永华
1篇
宗鸣
1篇
李凌
传媒
1篇
计算机应用研...
年份
1篇
2015
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
稀疏编码的最近邻填充算法
被引量:3
2015年
针对K最近邻填充算法(K-nearest neighbor imputation,KNNI)的参数K值固定问题进行了研究,发现对缺失值填充时,参数K值固定很大程度上影响了填充效果。为此,提出了基于稀疏编码的最近邻填充算法来解决这一问题。该算法是用训练样本重构每一缺失样本,在重构过程中充分考虑了样本之间的相关性;并用1范数来学习确保每个缺失样本用不同数目的训练样本填充,以此解决KNNI算法参数K值选取问题。基于数据性能分析指标RMSE和相关系数的实验比较结果表明,该算法比KNNI算法的效果要好。该算法能很好地避免了KNNI算法存在的缺陷,适用于数据预处理环节需要对缺失值进行填充的应用领域。
苏毅娟
程德波
宗鸣
李凌
朱永华
关键词:
缺失值填充
均方根误差
相关系数
数据预处理
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张