文档名：空间自回归模型下不完整大数据缺失值插补算法
摘要：针对不完整大数据因其自身结构具有不规则性,导致在进行缺失值插补时计算量大、插补精度低的问题,提出空间自回归模型下不完整大数据缺失值插补算法.利用迁移学习算法在动态权重下过滤出原始数据中冗余数据,区分异常和正常数据,提取残缺数据,采用最小二乘回归对残缺数据实施修补.将缺失值插补分为3种类型,分别为一阶空间自回归模型插补、空间自回归模型插补和多重插补法.根据实际情况将修补后数据插补到合适的位置,实现不完整大数据缺失值插补.实验结果表明,所提方法具有良好的缺失值插补能力.
Abstract：Incompletebigdata,duetoitsirregularstructure,hasalargeamountofcomputationandlowinterpolationaccuracywheninterpolationmissesvalues.Therefore,amissingvalueinterpolationalgorithmforincompletebigdatabasedonspatialautoregressivemodelisproposed.Usingamigrationlearningalgorithmtofilteroutredundantdatafromtheoriginaldataunderdynamicweights,todistinguishabnormaldatafromnormaldata,andtoextractincompletedata.Usingleastsquareregressiontorepairtheincompletedata.Themissingvalueinterpolationisdividedintothreetypes,namely,firstorderspatialautoregressivemodelinterpolation,spatialautoregressivemodelinterpolation,andmultipleinterpolation.Therepaireddataisinterpolatedtotheappropriatelocationaccordingtotheactualsituation,implementingincompletebigdatamissingvalueinterpolation.Experimentalresultsshowthattheproposedmethodhasgoodinterpolationabilityformissingvalues.
作者：刘晓燕 翟建国Author：LIUXiaoyan ZHAIJianguo
作者单位：昆明理工大学信息工程与自动化学院,昆明650504
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2024, 42(2)
分类号：TP391
关键词：迁移学习 不完整大数据 缺失值插补 空间回归模型 数据修正
Keywords：transferlearning incompletebigdata imputationofmissingvalues spatialregressionmodel datacorrection
机标分类号：TP391.41F201N945.25
在线出版日期：2024年5月27日
基金项目：云南省自然科学基金资助项目空间自回归模型下不完整大数据缺失值插补算法[
期刊论文] 吉林大学学报（信息科学版）--2024, 42(2)刘晓燕 翟建国针对不完整大数据因其自身结构具有不规则性,导致在进行缺失值插补时计算量大、插补精度低的问题,提出空间自回归模型下不完整大数据缺失值插补算法.利用迁移学习算法在动态权重下过滤出原始数据中冗余数据,区分异常和正...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
空间自回归模型下不完整大数据缺失值插补算法 Interpolation Algorithm for Missing Values of Incomplete Big Data in Spatial Autoregressive Model
空间自回归模型下不完整大数据缺失值插补算法.pdf
- 文件大小:
- 1.36 MB
- 下载次数:
- 60
-
高速下载
|
