[发明专利]一种基于K平面回归的缺失数据补全方法

权利要求书

1.一种基于K平面回归的缺失数据补全方法，其特征在于：对缺失数据进行补全时，进行以下步骤，

步骤1，人工进行数据缺失检测，并将需要补全的数据作为输出端，其余的数据作为输入端；

步骤2，进行参数的初始化设定；

步骤3，使用PCA对输入数据进行维度约减；

步骤4，将由步骤3得到的数据进行归一化到0-1之间，并选取70％的数据作为训练集，其余30％的数据作为测试集；

步骤5，用Kmeans聚类算法对训练集进行聚类分析获得初始的几何中心μ；

步骤6，最小化误差函数，反复迭代分别求每个平面的回归系数ω和几何中心μ；

步骤7，由步骤6得到的参数ω和μ，并对测试数据进行回归预测，得到的结果就是补全得到的数据。

步骤8，由步骤7得到的补全数据后，定义最大偏差、最小偏差、平均偏差和预测精度这四个指标来评价补全算法的性能。

2.根据权利要求1所述的基于K平面回归的缺失数据补全方法，其特征在于：步骤3所述的在对缺失数据进行补全之前，对数据集进行降维操作。对于每一个需要进行补全的数据集，必定存在高相关性维度和低相关性维度，我们使用PCA(主成分分析)方法对数据集进行主成分选择，计算每个维度的特征值和相应的特征向量，挑选高相关度的维度作为补全的主要输入，并且定义一个贡献率，如下所示，

R=Σd=1ned/Σe---(1)]]>

R表示前d个特征占总特征值的比例，我们定义R大于95％时的前d个特征值就是我们维数约简后的维度。