數(shù)據(jù)挖掘中空缺值預測算法的研究與實現(xiàn).pdf

1、數(shù)據(jù)挖掘技術被廣泛地應用于社會各個領域，數(shù)據(jù)挖掘的成功與否和適用性能在很大程度上取決于數(shù)據(jù)質量。在獲取數(shù)據(jù)的過程中，無法避免空缺值的產生。空缺值的存在對數(shù)據(jù)質量影響很大，因此，空缺值預測是數(shù)據(jù)預處理中的重要工作，是提高數(shù)據(jù)質量的關鍵一步。 本文首先分析和研究了具有代表性的灰色GM(1,1)預測空缺值算法和MVC預測空缺值算法。灰色GM(1,1)預測空缺值算法需要分別對各序列建立GM(1,1)模型，且不能充分利用序列之間的關聯(lián)性，

2、無法解決其間的復雜非線性關系，導致對空缺值的預測精度不高。MVC預測空缺值算法具有以關聯(lián)規(guī)則所預測空缺值的精準率，但仍然有部分空缺值無法用已挖掘得到的關聯(lián)規(guī)則來預測，未能夠再深一層的解決空缺值的填補率及正確率的問題。 本文對灰色GM(1,1)預測空缺值算法進行了改進，將灰色GM(1,1)模型和三層BP神經網絡相結合，然后提出了灰色神經網絡組合預測空缺值算法。灰色神經網絡組合預測空缺值算法適合于小樣本時序數(shù)據(jù)集，不僅考慮各序列數(shù)據(jù)