论文部分内容阅读
结合属性重要度和灰色关联度，提出了一种新的数据补齐方法，可使补齐后的数据具有更高的识别率和分类性能。按照属性重要度确定各个条件属性的补齐顺序；对于当前要补齐的缺失样本，将所有完备样本分别与其进行比较，并选择灰色关联度最大的完备样本对该样本的缺失数据进行补齐。并提出了一种新的判断数据补齐性能的评价标准，即补齐后的数据不能影响原有数据的识别率。实验结果表明，即使在很高的数据缺失比率下，该方法仍能很好地进行补齐，并能取得较高的识别率。