论文部分内容阅读
针对数据质量中数据缺失问题，提出了基于关系马尔可夫模型（RMM）的枚举型缺失值估计方法．该方法充分考虑属性间的关联性，将动态属性选择（DAS）方法与RMM结合，最大限度地利用完整数据的信息，提高了该方法的估计能力；利用RMM计算源状态到目的状态的转移概率，采用MaxPost和ProProp2种缺失值填充方法，对缺失值进行填充．采用公认数据集，进行了对比实验，验证了该方法的有效性和优越性．