40、数据处理与聚类分析及分形图像压缩研究

数据处理与聚类分析及分形图像压缩研究

1. 数据缺失值处理

在数据处理过程中，常常会遇到数据缺失的情况。对于从省份收集的统计数据，可能会由于疏忽或实际中未找到等原因，存在少量数据缺失。常见的处理缺失值的方法如下：
- 插补法 ：包括均值、中位数、众数、随机抽样插补，以及时间序列特定方法、多重插补、K近邻（KNN）等。
- 删除法 ：
- 成对删除
- 删除行（列表式删除）
- 删除列

2. K - 均值分析

2.1 K - 均值方法

K - 均值方法由Hugo Steinhaus发明，用于在一组无标签数据中寻找聚类和聚类中心。其算法流程如下：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px;

    A([开始]):::startend --> B(选择k类的数量):::process
    B --> C(为每个聚类寻找质心):::process