标题：基于kNN-DBSCAN的缺失数据填补优化算法
作者：解小东 陈治华
作者单位：中国民航大学电子信息与自动化学院，天津 300300
关键字：kNN填补；数据缺失；噪声检测；DBSCAN聚类；欧式距离
摘要：针对传统的kNN（k-NearestNeighbor）近邻填补算法对缺失数据的填补效果会因为k最近邻数据存在噪声受到较大干扰的问题，提出一种基于kNN-DBSCAN（k-NearestNeighbor Density-based Spatial Clustering of Applications with Noise）的缺失数据填补优化算法。将基于密度的DBSCAN聚类算法运用到kNN近邻填补算法中，先用kNN算法得到目标填补数据的原始k最近邻数据集，运用DBSCAN聚类算法对原始k最近邻数据集进行噪声检测并消除噪声数据，得到当前k最近邻数据集，最后并入kNN计算，填补目标缺失数据；同时，针对DBSCAN聚类算法参数设置敏感的问题，通过分析数据集的统计特性来确定参数，避免人为经验判断。最后利用真实数据对算法进行验证，结果显示该算法对目标缺失数据的填补准确度要优于传统的kNN算法。