[发明专利]一种基于数据间关联关系的遗漏数据填补方法

权利要求书

1.一种基于数据间关联关系的遗漏数据填补方法，其特征在于，包括以下步骤：

S1、对数据之间的关联关系进行分析，得到数据之间的关联规律；

S2、找到数据之间关联关系最强的关联规律；

S3、根据步骤S2中得到的最强关联规律对数据进行分组；

S4、对数据中的遗漏数据进行预填补；

S5、进行BP神经网络的设计；

S6、循环应用步骤S5中得到的BP神经网络进行数据填补，直到所有的数据填补完成。

2.根据权利要求1所述的遗漏数据填补方法，其特征在于，所述步骤S1中的数据是现实社会的信息描述。

3.根据权利要求1所述的遗漏数据填补方法，其特征在于，所述步骤S2具体为通过基于属性的相关性计算或者基于数据值的相关性计算找到数据之间关联关系最强的关联规律。

4.根据权利要求1所述的遗漏数据填补方法，其特征在于，所述步骤S5包括以下分步骤：

S51、根据步骤S3中的分组情况，将每组数据中的80％作为训练集，20％作为测试集；

S52、假设训练集共有k列数据，则选择其中一列作为输出，其他作为输入，重复选择k次；

S53、在输入层设计n个神经元，n为步骤S3中分组个数，输出层设计一个神经元；在输入层与输出层之间设计一个隐层，隐层中的初始神经元个数为k-1个，根据实验情况的好坏，改变隐层神经元的个数，以寻找误差最小的神经元个数，以此构建BP神经网络；

S54、确定训练函数对BP神经网络的正向训练与反向学习，不断的缩小误差，最后达到误差很小的状态。

5.根据权利要求4所述的遗漏数据填补方法，其特征在于，所述步骤S54包括以下分步骤：

S541、权值初始化；

S542、给定输入变量和期望输出；

S543、正向训练：根据给定的输入变量计算得到神经网络的实际输出，并将其与期望输出比较，如果存在误差则进入步骤S544，否则结束；

S544、反向学习：计算同一层单元的误差，求出误差梯度，修正权值与阈值，判断误差是否满足要求，若满足要求则结束，否则返回步骤S542。