基于朴素贝叶斯的EM缺失数据填充算法
实际应用中大量的不完整的数据集，造成了数据中信息的丢失和分析的不方便，所以对缺失数据的处理已经成为目前分类领域研究的热点。由于EM方法随机选取初始代表簇中心会导致聚类不稳定，本文使用朴素贝叶斯算法的分类结果作为EM算法的初始使用范围，然后按E步M步反复求精，利用得到的最大化值填充缺失数据。实验结果表明，本文的算法加强了聚类的稳定性，具有更好的数据填充效果。
文件下载
评论信息
其他资源
- int与4位16进制互转
- 1分下载 矩阵论 程云鹏 第三版教材加答案
- revit 二次开发资料集合
- 基于javaweb的简单新闻管理系统
- 中美智能驾驶白皮书
- CRC和LRC校验工具
- STM32F407 超声波测距和多路PWM波输出.zip
- 高斯投影正反算 高斯大地坐标转换
- MUSIC算法c++实现
- 前馈神经网络及其应用.pdf
- 新编MCS-51单片机应用设计 张毅刚版,高清PDF文档
- javaee几个典型课程设计
- 时间序列分析的应用
- 基于微信公众号的求职平台商业模式研究.ppt
- 全套KX驱动皮肤
- NI+License+Activator+1.2
- 用例驱动的UML对象建模应用 中文
- WEBGIS开发实例
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明