山东大学学报(理学版)

作者：黄介武,陈星悦,王淋杰,饶文康

单位：贵州民族大学数据科学与信息工程学院, 贵州 贵阳 550025

关键词：部分观测函数型数据,函数型数据重构,数据深度,类信息,

基金：贵州省教育厅自然科学研究项目(黔教技［2023］012号,黔教技［2023］061号)

针对部分观测函数型数据,提出一种基于深度与融合类信息的重构方法。运用基于深度的重构方法以及从K均值聚类中获取的样本曲线类间信息,在不同分类情形下对每条部分观测样本曲线进行重构。然后,利用自加权集成学习算法动态赋权,将各类别下的重构曲线融合,得到最终的重构曲线。数值模拟和实例分析表明:当样本中部分观测样本曲线占比较大时,所提方法在均方预测误差准则下优于基于深度的重构方法及正则化回归方法;而在部分观测样本曲线占比较小时,正则化回归方法表现更优。

来源：2026年第4期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2026年第4期