一種基于k-means算法和關(guān)聯(lián)規(guī)則的缺失數(shù)據(jù)填補(bǔ)方法.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，利用計(jì)算機(jī)來管理數(shù)據(jù)信息已經(jīng)十分普遍地存在和應(yīng)用于各行各業(yè)當(dāng)中，并且在實(shí)際運(yùn)行中積累了海量的數(shù)據(jù)。在對這些海量數(shù)據(jù)進(jìn)行分析與提取的過程中會經(jīng)常需要面對數(shù)據(jù)缺失的現(xiàn)象，甚至是不可避免的會遇到，缺失數(shù)據(jù)的存在會造成：系統(tǒng)丟失了大量的重要信息；系統(tǒng)中的不確定因素會表現(xiàn)的更加顯著；使用正常的數(shù)據(jù)分析方法不適用或很難應(yīng)用于這些數(shù)據(jù)集中；包含缺失數(shù)據(jù)的數(shù)據(jù)集會使數(shù)據(jù)分析過程陷人混亂，降低了對數(shù)據(jù)分析結(jié)果的準(zhǔn)確性，導(dǎo)致了不可靠的輸

2、出，所以如何來處理這些缺失數(shù)據(jù)變得十分重要。
　　本文針對缺失數(shù)據(jù)這一問題，提出了一種基于K-means算法和關(guān)聯(lián)規(guī)則的缺失數(shù)據(jù)填補(bǔ)方法，這一方法是將K-means聚類算法和關(guān)聯(lián)規(guī)則挖掘算法這兩種算法有效地融合在一起，利用K-means聚類算法提高了數(shù)據(jù)相似性，從而使關(guān)聯(lián)規(guī)則挖掘算法的能挖掘出更多的強(qiáng)關(guān)聯(lián)規(guī)則；利用關(guān)聯(lián)規(guī)則挖掘算法彌補(bǔ)了K-means聚類算法填補(bǔ)缺失數(shù)據(jù)正確率低的問題。這一方法有效的解決缺失數(shù)據(jù)的填補(bǔ)問題，并且提高