竹类植物以其生长速度快、产量高以及强度大等特点逐渐成为木质材料的替代品,在工程原材料领域占据了相当重要的地位。竹类种质资源是挖掘和培育优异竹类植物的重要基础,然而在竹类种质资源数据采集和保存中,难免会存在一些缺失数据,给竹类种质资源数据挖掘带来了极大挑战。基于以上背景,本文为解决竹类种质资源数据挖掘过程中数据缺失的问题,以竹类种质资源不完整数据为研究对象,基于AP聚类与KNN算法,重点解决竹类种质资源缺失数据填补中的两个关键问题——动态处理竹种数据缺失问题和竹种缺失数据KNN填补设定K值问题,采用IAP聚类动态更新聚类结果并对KNN填补做了改进,开发了基于Spring Boot框架的竹类种质资源数据分析系统。主要工作如下。(1)分析了数据清洗技术及流程,探讨了数据缺失问题和缺失数据的清洗方法。首先对数据缺失原因、数据缺失模式和数据缺失机制进行了详细描述,然后对缺失数据的常用清洗方法进行了对比分析,最后比较了AP聚类和KNN算法的优点与缺陷,基于AP聚类的稳定性表现和KNN算法的良好性能,得出了KNN填补法是最适合竹类种质资源缺失数据的清洗方法。(2)研究了竹类种质资源缺失数据填补方法。在AP聚类和KNN填补算法的基础上,提出了基于IAP-SKNN的竹种缺失数据填补方法,首先采用IAP聚类动态更新聚类结果来充分利用数据的完整信息,其次改进KNN填补使其能在不设定K值的情况下也能将填补数据快速收敛。最后通过实验,与其它5种KNN填补算法作对比,平均填补误差从16.5%到53%得到不同程度降低。同时选取填补的缺失率为15%的竹种完整数据进行分类,分类精度达到93.25%,验证了IAP-SKNN良好的填补性能。(3)研发了竹类种质资源数据分析系统。采用Spring Boot 2.0框架,结合My SQL数据库、Echarts开源可视化插件以及Elasticsearch开源全文搜索引擎等,基于IAPSKNN算法,设计开发了竹类种质资源数据分析系统,包括竹种数据录入管理模块、竹种数据清洗模块、竹种数据分析模块以及系统用户管理模块等。利用该系统与竹种数据库实时连接处理分析了竹种缺失数据并实例验证了方法和技术的有效性。避免了因数据缺失而对竹种数据分析挖掘造成的困难,有助于信息化系统高效分析管理竹种数据。