论文部分内容阅读
基于传统的主元分析法,利用最大期望主元分析法EMPCA(Expectation-Maximization Principal Component Analysis)对TE(Tennessee Eastman)过程的随机缺失和连续缺失数据进行补值,并使用样本矩阵的平均相对误差及负载矩阵的误差平方和作为指标进行评价。结果表明,使用EMPCA算法补值能有效对随机缺失和连续缺失数据进行补值,效果明显优于均值补值,补值计算得到的负载矩阵误差也相对较小。