.png){kind=icon}
返回
Data imputation by pursuing better classification: A supervised kernel-based method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.112312.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出了一种新颖的两阶段数据插补框架。
• 我们通过利用监督信息优化数据间的相似性关系，并指导数据插补过程。
• 我们开发了一种非参数方法来插补核矩阵，该方法与分类器的训练交替进行。
• 我们提供了一种基于块坐标下降的求解算法，以从给定的核矩阵中精确恢复缺失数据。
• 当缺失比例超过60%时，我们的算法显著优于其他插补方法。
Keyword:
data imputation
kernel matrix
nonparametric method
block coordinate descent
similarity optimization
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
分享收藏Fast subspace clustering by learning projective block diagonal representation *.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
Rethinking the Diffusion Models for Missing Data Imputation: A Gradient Flow Perspective重新思考扩散模型在缺失数据插补中的应用：一种梯度流视角
PREAI
分享收藏Believe the HiPe: Hierarchical perturbation for fast, robust, and model-agnostic saliency mapping相信HiPe: 快速，鲁棒且与模型无关的显着性映射的分层扰动PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Robust multi-view subspace clustering with missing data by aligning nonlinear manifolds通过非线性流形对齐实现稳健的多视图子空间聚类及缺失数据处理PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏
查看更多内容