基于商空间的不完备形式背景填补方法研究

目前,在常用缺失数据填补算法中,需要逐个计算所有对象之间的相似度。然而,在数据缺失率较高的情况下,相似度的计算难度也随之加大,导致填补效率低下、填补准确度不高。为提高算法效率和准确度,结合粒计算,提出基于商空间的数据填补算法。引入对象间的近似度上界、下界,计算模糊近似评估矩阵;通过分层递阶结构的推理模型,对对象集进行粒化,压缩了对象集规模,提高了算法效率;根据实际应用需求给出填补结果。通过在真实数据集上的实验表明,该算法在数据缺失率较高时能够显著提高填补效率,并且保持高准确性。