数据挖掘的目的是在复杂的数据集中发现有价值的规律或知识。这需要专业人员建立可靠的算法模型来发掘,而可靠的算法模型依赖于高质量的数据。缺失值在各行各业中普遍存在,这些缺失值严重影响了数据质量。如何准确,有效的处理缺失值是当前数据挖掘领域研究的一个热点。通常处理缺失值有两类方法:删除法和填充法。对删除法来说当数据集中含有大量的缺失数据时,直接删除会导致训练样本丢失大量信息。填充法则经过较长时间的发展有了较完备的理论和技术,其种类也不断的更新发展。该方法利用数据集本身对缺失值进行填充,使得整个数据集完整,有利于模型的建立。近些年低秩技术在图像恢复,推荐系统得到了很好的应用,利用低秩矩阵进行建模,通过子空间来逼近样本空间,能够得到原始空间的近似解。本文主要是研究基于核相似性和低秩近似的缺失值填充算法,在填充的方法和策略上做了一些改进,主要的工作如下:1.基于核相似性来构造缺失数据的相似样本进行填充。该方法具体是通过核函数的相似性找到同包含缺失值样本最相近的K个完整的样本,最后用这K个样本所对应的缺失属性的加权均值来完成缺失值的填充。2.构建基于相关性阈值的低秩填充模型。首先计算包含缺失值样本同其他样本间的线性相关性,然后设定Pearson线性相关性阈值a,将线性相关性大于该阈值a的样本选出来,接着构建低秩填充模型,最后求解得到该缺失值。3.低秩矩阵填充在风速缺失值上的应用。本文将时间序列的风速数据转换成低秩矩阵形式,通过实验来决定风速矩阵的行数和列数,采用GROUSE优化算法通过子空间更新策略找到求解最小核范数的最优解,从而填补缺失的风速值。实验表明,基于核相似性的缺失值填充算法在相同的缺失比例下填充效果最优。而基于线性相关性阈值的低秩填充算法,在大样本集上的表现优于在整个缺失样本上一次性填充的结果。将基于时间序列的短时风速数据转换为矩阵的形式,然后利用低秩近似的方法进行填充,效果好于传统的填充方法。