基于分类的加速EM缺失数据填充算法

作者：孙华艳; 李业丽; 字云飞; 韩旭

来源：北京印刷学院学报, 2019, 27(02): 61-65.

DOI：10.19461/j.cnki.1004-8626.2019.02.014

• KNN分类
• EM算法
• 增量式EM算法
• 收敛速度
• 稳定聚类
• 缺失数据填充

在数据挖掘的整个过程中,EM算法因其数值计算的稳定性、实现上的简单性,可靠的全局收敛性,被广泛应用于处理数据不完整问题。针对EM算法收敛速度慢,算法高度依赖初始值的选择,使用KNN算法的分类结果作为EM算法的初始使用范围,KNN算法根据挖掘目的的不同选择不同的特性,然后利用增量式EM(IEM)算法按E步M步迭代反复求精,快速有效地得出填充缺失数据的最优值;该算法大大加快了收敛速度,加强了聚类的稳定性,数据填充效果显著。

• 单位
  北京印刷学院