【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第7期 264-268页,共5页

【作 者】： 郝胜轩 [1,2] ; 宋宏 [1] ; 周晓锋 [1]

【摘 要】 在优化算法的研究中，针对KNN算法对缺失数据的填补效果会因为原始数据中存在噪声而受到严重影响的问题，根据待填补缺失数据最近邻的近邻关系，提出了一种新的缺失数据填补算法——ENN—KNN（Eliminate Neitghbor Noisek-Nea-rest Neighbor）。通过比较待填补缺失数据每个最近邻的真实近邻程度能够有效地识别潜在的噪声最近邻。最后使用所有非噪声最近邻对待填补缺失数据进行填补，从而消除了噪声最近邻对填补结果的影响。通过观察四组UCI数据集的仿真结果，可知ENN—KNN算法的填补准确性总体上要优于KNN算法。