在数据挖掘的过程中,经常出现缺失数据的现象,这可能导致数据分析算法无法建立可靠的模型,从而得不到准确的分析结果,由此出现了许多缺失值填充的方法。当前主流的数据填充方法中,多数只针对数据对象间的相似性或属性值之间的相关关系其中一个方面展开,不能有效利用数据集中的全部信息,而且大多算法只能适用于数值属性数据集或分类属性数据集,而现实中混合属性数据集却是很常见的。为了提高填补缺失数据的准确率,本文通过利用聚类算法可以提高类簇内数据对象之间相似性、关联规则能反映属性值之间潜在关联关系的优势,提出了基于聚类和关联规则的填充方法,解决了混合属性数据集含有缺失数据的问题。本文的主要研究内容如下:(1)提出自动确定聚类中心的混合属性聚类算法。该算法根据数据对象的分布密度和数据对象间的距离,实现类簇个数的自动识别,完成对初始聚类中心的选择;并通过区分各属性对聚类结果的不同影响和优化聚类中心的表示方式,改进相异度计算公式,以达到更好的聚类效果。(2)针对关联规则挖掘时间复杂度高的问题,采用以聚类结果作为决策项的数值属性离散化方法,依据关系型数据中数据对象在每个属性下最多取一个值的特性,在关联规则用于缺失值填补的前提下,对候选频繁项目集和关联规则集进行剪枝,避免了不必要的计算,提高了强关联规则挖掘的执行效率。(3)提出基于聚类和关联规则挖掘的填充方法。首先使用本文提出的聚类算法对数据集进行聚类,使类簇内的数据对象具有较高的相似性;然后对每个类簇分别进行强关联规则挖掘,发现属性值之间潜在的关联关系;最后根据数据对象所在类簇的强关联规则进行缺失值填充,采用最大置信度规则策略解决填充规则冲突的问题,当填充规则不足时,利用类簇中数据的相似性填充缺失值,以保证缺失值的填补率和准确率。