来源：期刊VIP网 时间：
作者：李艳玲;韩茹菲;苏楠;李飞涛;FERNANDO Bacao;司海平;
单位：河南农业大学信息与管理科学学院;新里斯本大学坎波利德校园NOVA信息管理学院;
摘要：【目的】设计一种基于FIML和DAE的填充缺失值的方法，即聚类全信息选择性过滤编码器数据填补算法（clustering-based comprehensive information selective filtering encoder data imputation algorithm,CFSM-DAE），为水稻种质资源缺失数据进行填充。【方法】利用聚类辅助避免数据异常值对算法的影响，采用选择性过滤层用于识别高质量估算、减少低质量估算的影响。传统的DAE框架通常没有选择性过滤层，所有的估算值都被视为同等重要，无法区分高质量和低质量的估算值。为了进一步提高估算精度，研究采用集成框架将全信息最大似然性（FIML）与多对抗性自编码器（DAE）结合的方法（CFSM-DAE），在选择性过滤层基础上，自适应填充，即当估算值不符合设定阈值时，采用FIML填充策略以确保填充结果的稳定性和精确度，从而进一步来提高整体估算精度。在3种缺失数据机制（随机缺失（MAR）、完全随机缺失（MCAR）和非随机缺失（MNAR））下对模拟数据和实际水稻种质资源数据集进行研究，将CFSM-DAE方法与多种常用填充算法比较（全信息最大似然性（FIML）、对抗自编码器（DAE）、K近邻填充（KNN）、随机森林（RF）、链式方程多重插补（MICE））。【结果】CFSM-DAE在模拟数据上的表现为S_(RME)=0.067 6,E_(MA)=0.009 3,R~2=0.995 8；在水稻种质资源数据上的表现为S_(RME)=0.039 5,E_(MA)=0.007 8,R~2=0.891 3。相比之下，其他算法如DAE在这两类数据下的SRME表现分别为0.889 6和0.770 7;KNN算法的EMA表现分别为0.118 3和0.130 5;FIML算法的R2表现为0.338 2和0.732 1。因此，CFSM-DAE在多个评价指标上相较于其他算法都表现出了一定的提升，CFSM-DAE在模拟数据和水稻种质资源数据的表现优于其他算法。【结论】CFSM-DAE方法通过结合聚类、选择性过滤和全信息最大似然性等策略，显著提高了水稻种质资源数据中缺失值的填补精度，展示了其在处理复杂缺失值问题上的有效性和潜力。
关键词：水稻种质资源;聚类;全信息最大似然性;对抗性自编码器;选择性过滤层;数据缺失
基金资助：河南省科技研发计划联合基金项目（应用攻关类）（242103810028）; 河南省科技攻关项目（252102520037）; 河南省重点研发专项（251111211300,231111110100,231111211300）; 河南省中央引导地方科技发展项目（Z20231811005）
