近日，实验室教师宫永顺一篇论文“Missing  Value Imputation for Multi-view Urban Statistical Data via Spatial  Correlation Learning”被CCF A类期刊（中科院JCR 2区） IEEE Transactions on Knowledge  and Data Engineering (TKDE)录用，影响因子为6.977。

作为城市化的发展趋势，大量多视角（如人口和经济视角）的城市统计数据越来越多地被收集并应用到交通服务、区域分析等多个领域。然而这些被划分为细粒度区域的统计数据在采集和存储过程中通常会遇到缺失值问题。这主要是由于一些不可避免的情况造成的，例如文件污损、偏远地区的统计困难和信息清理不准确等。那些使有价值的信息隐形的缺失条目可能会扭曲进一步的城市分析。为了提高缺失数据插补的质量，结合自适应权重非负矩阵分解策略，提出了一种改进的空间多核学习方法来指导插补过程。模型考虑了区域潜在的相似性和真实的地理位置，以及能够精确地完成缺失值的各种视图之间的相关性。实验在真实数据集上与其他最先进的方法进行比较，所有的结果表明该模型优于所有其他最先进的方法。此外，模型在多个城市具有很强的泛化能力。