الهه کفشی تقی آبادی - دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی - دانشگاه آزاد اسلامی واحد مشهد
محمدحسین معطر - دانشگاه آزاد اسلامی واحد مشهد

درپایگاه داده وجود مقادیرناقص مشکل رایجی است ازطرفی بیشترتکنیکهای اماری و داده کاوی روی داده های ناقص صحت و کارایی کمتری دارند ازاین رو تکنیک های زیادی برای حل مشکل داده های ناقص ارایه شده است یک روش رایج حذف مقادیرناقص است و زمانی پاسخگو است که تعدادداده های ناقص کم باشد اما اگرحجم این داده ها بالابرود این روش دیگر پاسخگونیست دراین مقاله ازروش خوشه بندی مبتنی برنزدیکترین همسایگی غنی شده با الگوریتم ممتیک جهت پرکردن مقادیرناقص استفاده میشود که درمقایسه باروشهای سنتی کارایی بالاتری ارایه نموده و پیش پردازش داده درتکنیکهای داده کاوی را بهبود می بخشد

الگوریتم ژنتیک، خوشه بندی، داده کاوی، مقادیرناقص، الگوریتم ممتیک، جستجوی محلی