一种效能评估中缺失数据的填充方法

摘要/Abstract

摘要：

针对评估数据缺失的问题，提出了一种新的缺失数据填充方法.从信息熵的角度对评估系统进行描述，并提出一种建立在区间值信息系统上的加权广义信息熵，对这种信息熵的非负性、单调性和极值性进行证明.在此基础上，通过研究评估系统数据缺失前后信息熵的变化情况，建立一种基于加权广义信息熵的缺失数据填充方法，并从知识粒度的角度论述加权广义信息熵的机制.通过实例分析与现有的部分算法进行比较，进一步证明文中算法对评估系统缺失数据填充的有效性.

关键词:

效能评估；数据缺失；数据填充；加权广义信息熵

Abstract:

To solve the data missing problem in effectiveness evaluation of weapon systems, a novel method was proposed to fill the missing data. The effectiveness evaluation system was described from the perspective of information entropy while the so called weighted generalized information entropy was found on the intervalvalued information system. Besides, the nonnegativity, monotony and extremality of the new information entropy were discussed. Based on the new theory, and according to the variation of the information entropy before and after data missing of the effectiveness evaluation system, a novel method for filling the missing data based on weighted generalized information entropy was proposed, and the theory of weighted generalized information entropy was explained from the perspective of knowledge granularity. The proposed algorithm performs better in comparison with other algorithms, which verifies that the algorithm is valid in filling missing data of effectiveness evaluation system in consequence.

Key words:

effectiveness evaluation; data missing; data filling; weighted generalized information entropy

中图分类号:

TP 301

王军1,2，李建勋1，韩山3，王兴2. 一种效能评估中缺失数据的填充方法[J]. 上海交通大学学报, 2017, 51(2): 180-.

WANG Jun1, 2,LI Jianxun1,HAN Shan3,WANG Xing2. A Missing Data Filling Method for Effectiveness Evaluation System[J]. Journal of Shanghai Jiao Tong University, 2017, 51(2): 180-.

参考文献

［1］ZHANG Qingchen, CHEN Zhikui. A weighted kernel possibilistic cmeans algorithm based on cloud computing for clustering big data ［J］. International Journal of Communication Systems, 2014, 27(9): 1378-1391.
［2］CHEN S, HUANG M, TANG S, et al. Capacity of data collection in arbitrary wireless sensor networks ［J］.IEEE Transactions on Parallel and Distributed Systems, 2012, 23(1): 52-60.
［3］胡玄子, 陈小雪, 钱叶亮, 等. 数据处理中缺失数据填充方法的研究［J］. 湖北工业大学学报, 2013, 28(5): 82-84.
HU Xuanzi, CHEN Xiaoxue, QIAN Yeliang, et al. Reseach on the method of filling missing data in data processing［J］. Journal of Hubei University of Technology, 2013, 28(5): 82-84.
［4］朱晓峰. 缺失值填充的若干问题研究［D］. 桂林: 广西师范大学研究生院,2007.
［5］冷泳林, 陈志奎, 张清辰, 等. 不完整大数据的分布式聚类填充算法［J］. 计算机工程, 2015, 41(5): 19-25.
LENG Yonglin, CHEN Zhikui, ZHANG Qingchen, et al. Distributed clustering and filling algorithm of incomplete big data ［J］. Computer Engineering, 2015, 41（5）: 19-25.
［6］陈爽, 宋金玉, 刁兴春, 等. 基于关系马尔可夫模型的枚举型缺失值估计［J］. 上海交通大学学报, 2013, 47(8): 1246-1250.
CHEN Shuang, SONG Jinyu, DIAO Xingchun, et al. Estimation of enumerative missing values based on relational markov model ［J］. Journal of Shanghai Jiao Tong University, 2013, 47(8): 1246-1250.
［7］SHAN Han, LIN Chen, ZHI Zhang, et al. A new information filling technique based on generalized information entropy［J］. International Journal of Computers Communications and Controls, 2014, 9(2): 172-186.
［8］黄国顺, 曾凡智, 文翰. 代数约简的知识粒度表示及其高效算法［J］. 控制与决策, 2014, 29(8): 1354-1362.
HUANG Guoshun, ZENG Fanhi,WEN Han. Knowledge granularity representation and efficient algorithm of algebraic reduction ［J］. Control and Decision, 2014, 29(8): 1354-1362.
［9］张裕. 基于粒计算的决策表知识约简算法研究［D］. 太原：太原理工大学研究生院, 2015.
［10］景运革, 李天瑞. 基于知识粒度的增量约简算法［J］. 山东大学学报（工学版）, 2016, 56(1): 1-9.
JING Yunge, LI Tianrui. An incremental approach for reduction based on knowledge granularity ［J］. Journal of Shandong University(Engineering Science), 2016，56(1): 1-9.
［11］MIAO Duoqian,FAN Shidong. The calculation of knowledge granulation and its application［J］． Systems EngineeringTheory ＆ Practice, 2002, 33(1): 48-56.
［12］朱红. 粒度聚类方法研究［D］. 江苏，徐州: 中国矿业大学研究生院, 2013.
［13］王世强，张登福，毕笃彦，等. 基于模糊粗糙集依赖度的两步属性约简方法［J］. 北京工业大学学报, 2013, 39(6): 828-834.
WANG Shiqiang，ZHANG Dengfu，BI Duyan, et al. Twostep attribute reduction method based on fuzzy rough sets dependency ［J］. Journal of Beijing University of Technology, 2013, 39(6): 828-834.

编辑推荐 0

Metrics

阅读次数

全文

190

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	190

来源	本网站	其他网站

次数	29	161
比例	15%	85%

摘要

940

最新录用	在线预览	正式出版

0	0	940

来源	本网站	其他网站

次数	380	560
比例	40%	60%

[1]	靳阳,蔡小娟,李国强. 良结构下推系统的表达能力[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1084-1089.
[2]	邹志文，李桥，寇爱军. 传感器网络空间关键字近似Top-k查询算法[J]. 上海交通大学学报（自然版）, 2014, 48(10): 1457-1460.
[3]	方鹏亚，常新龙，胡宽，张晓军. 基于区间不确定性的多学科可靠性设计[J]. 上海交通大学学报（自然版）, 2014, 48(10): 1451-1456.
[4]	袁鑫攀1,盛鑫海1,龙军2,张祖平2,桂卫华2. 基于连接位Minwise Hash的三者相似性估计算法[J]. 上海交通大学学报（自然版）, 2014, 48(07): 936-941.
[5]	刘天堂, 江志斌, 胡鸿韬, 刘冉. 加强的混合遗传算法求解能力约束弧路径问题[J]. 上海交通大学学报（自然版）, 2013, 47(04): 619-625.
[6]	黎渊1, 蒋江2, 张民选1, 魏少军3 . 基于模拟退火算法的浮点转定点自动位宽优化工具[J]. 上海交通大学学报（自然版）, 2013, 47(01): 76-80.
[7]	刘天堂, 江志斌, 耿娜, 刘冉, 刘树军. 带有异质固定车队的能力约束弧路径问题[J]. 上海交通大学学报（自然版）, 2012, 46(11): 1759-1763.
[8]	姜梦稚1, 2, 赵风景2. 基于可计算函数的C模型互模拟性质[J]. 上海交通大学学报（自然版）, 2012, 46(04): 620-623.
[9]	朱伟a, 徐克林a, 周炳海a, 许金超b. 基于贪婪启发式的多期多目标动态网络选址[J]. 上海交通大学学报（自然版）, 2012, 46(02): 269-275.
[10]	曾敏,骆源. F2上两类向量深度的分布[J]. 上海交通大学学报（自然版）, 2008, 42(12): 2060-2064.
[11]	张民，戚正伟，董笑菊. 活性细胞膜计算的可执行性描述与实现[J]. 上海交通大学学报（自然版）, 2008, 42(10): 1635-1639.
[12]	朱奕,杨根科,潘常春. 基于阈值深度优先策略求解非对称旅行商问题的混合分枝定界算法[J]. 上海交通大学学报（自然版）, 2008, 42(10): 1665-1668.
[13]	方鹏亚，常新龙，胡宽，张有宏. 基于渐近松弛的协同优化方法[J]. 上海交通大学学报（自然版）, 2013, 47(12): 1896-1901.
[14]	杨伏洲，王海燕，申晓红，荆海霞. 基于时间反转的非均匀线列阵超指向性阵元分布模型[J]. 上海交通大学学报（自然版）, 2013, 47(12): 1907-1910.
[15]	周娜，宓为建，徐子奇，舒帆. 基于改进型自适应遗传算法求解设备多行布局问题[J]. 上海交通大学学报（自然版）, 2013, 47(12): 1924-1929.