现实生活中,由于机械和人为等诸多原因,导致收集到的数据中常常包含缺失值,且缺失值的存在还会极大地降低算法的有效性,因此如何处理缺失数据已成为一个不可避免的问题.填补缺失数据是最为常见的处理方法,即利用已知数据的信息得到的估计值来代替缺失值,不会造成信息的流失,且具有重要的研究价值.本文针对缺失数据的填补方法进行研究,主要的工作如下.首先,针对缺失数据提出了一个新的缺失值填补算法,名为灰色类中心缺失值填补方法(GCCMVI),其主要思想是利用类中心,标准差和阈值来填补缺失值,类中心是由特征均值构成的向量.算法大概过程为,先用类中心代替缺失值,然后根据阈值决定是否在原有的估计值上加上或减去标准差,阈值是实例与相应类中心相关性的中值,本文用灰色关联度来计算相关性.由于均值和标准差分别是衡量数据集中趋势和离散程度的统计量,因此所提出的缺失值填补方法是一个考虑了数据分布特征的基于统计技术的方法.为了验证算法的有效性,人为的引入缺失值,且在缺失值被填补后,利用支持向量机(SVM)分类器进行分类,以分类精度和填补效果作为评估准则,在29个数据集上与其他六种缺失值填补方法进行对比分析,实验结果表明新提出的方法提高了分类精度和填补效果,比其他方法有效.其次,对新提出的方法进行更进一步的改进.为提高算法的有效性,引入标准差的权重来控制标准差的量级大小,使得填补后的数据集与原始数据集有更为贴近的离散程度.衡量填补方法的填补效果需要对比真实值与填补值,因此会人为的引入缺失值且记录原来的真实值,增加三种缺失机制的模拟实验.此外利用过采样技术与所提方法的结合来处理同时存在缺失值和不平衡问题的数据,以此扩展新方法的使用范围.最后,对本文所研究的内容进行了简要总结,分析存在的不足且给出下一阶段的研究方向和目标.