版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著信息技術(shù)的飛速發(fā)展,決策人員在進(jìn)行決策分析時(shí)對各方面信息和數(shù)據(jù)的依賴性越來越強(qiáng),于是在數(shù)據(jù)庫的基礎(chǔ)上產(chǎn)生了滿足決策分析所需要的數(shù)據(jù)環(huán)境-數(shù)據(jù)倉庫。在構(gòu)建數(shù)據(jù)倉庫的過程中,其數(shù)據(jù)源是以異構(gòu)形態(tài)分布的,這就使得導(dǎo)入數(shù)據(jù)倉庫的數(shù)據(jù)存在問題,致使應(yīng)用于數(shù)據(jù)倉庫前端的決策支持系統(tǒng)的分析結(jié)果受到影響,從而影響決策支持系統(tǒng)的服務(wù)的質(zhì)量。因此,企業(yè)數(shù)據(jù)質(zhì)量管理正在獲得越來越多的關(guān)注,數(shù)據(jù)清洗也正在成為數(shù)據(jù)倉庫和數(shù)據(jù)挖掘乃至網(wǎng)絡(luò)數(shù)據(jù)處理的一個(gè)重要課題
2、,而相似重復(fù)記錄的檢測是完成數(shù)據(jù)清洗的關(guān)鍵。 本文首先對數(shù)據(jù)清洗的知識進(jìn)行了全面闡述,介紹了數(shù)據(jù)清洗的概念、意義和國內(nèi)外研究現(xiàn)狀,并對數(shù)據(jù)清洗技術(shù)的原理、方法、評價(jià)標(biāo)準(zhǔn)以及基本流程進(jìn)行了分析和總結(jié)。在此基礎(chǔ)上,論文詳細(xì)討論了相似重復(fù)記錄檢測所用到的相關(guān)知識和基本算法,對字段匹配和記錄的相似性進(jìn)行了深入的研究,并針對各步中存在的問題進(jìn)行了改進(jìn),相似重復(fù)記錄檢測過程中,應(yīng)用DBSCAN聚類算法對數(shù)據(jù)集中的記錄進(jìn)行聚類,DBSCAN具
3、有聚類快,抗噪聲能力強(qiáng),能夠發(fā)現(xiàn)任意形狀簇的優(yōu)勢,但在對記錄中的字符型變量轉(zhuǎn)換為空間中的向量坐標(biāo)時(shí),用到了字符的ASCⅡ碼,這樣就會把本來不重復(fù)的記錄歸為一類,而且該聚類的特點(diǎn),是根據(jù)區(qū)域的連通性來逐漸聚類,所以也會把一些記錄區(qū)別比較大的記錄也聚在同一個(gè)類中,在這種情形下采用pair-wise比較算法對聚類之后的每個(gè)類中的記錄進(jìn)行一次記錄比較,以便更加準(zhǔn)確的發(fā)現(xiàn)相似重復(fù)記錄。 用DBSCAN聚類算法和pair-wise算法(稱為
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于CURE算法的相似重復(fù)記錄檢測技術(shù)研究.pdf
- 基于CSSN算法的重復(fù)記錄檢測研究.pdf
- 基于聚類樹的相似重復(fù)記錄檢測算法改進(jìn)研究.pdf
- 海量數(shù)據(jù)相似重復(fù)記錄檢測的研究.pdf
- 基于可變滑動(dòng)窗口的相似重復(fù)記錄檢測算法研究與設(shè)計(jì).pdf
- 重復(fù)記錄檢測綜述
- 大數(shù)據(jù)環(huán)境下文本數(shù)據(jù)相似重復(fù)記錄檢測方法研究.pdf
- 相似重復(fù)記錄的數(shù)據(jù)清洗技術(shù)的研究.pdf
- 基于相似重復(fù)記錄合并算法的蔬菜溯源展示系統(tǒng)研究與實(shí)現(xiàn).pdf
- 數(shù)據(jù)挖掘中的重復(fù)記錄檢測算法研究.pdf
- 刪除表中重復(fù)記錄
- 多數(shù)據(jù)源環(huán)境下重復(fù)記錄檢測問題的研究.pdf
- 在sql中刪除重復(fù)記錄(多種方法)
- 基于規(guī)則的信息系統(tǒng)環(huán)境下重復(fù)記錄清理的實(shí)現(xiàn).pdf
- Deep Web數(shù)據(jù)源下重復(fù)記錄識別模型的研究.pdf
- 在sql server中快速刪除重復(fù)記錄(多圖)
- 基于云計(jì)算的DBSCAN算法研究.pdf
- 基于DBSCAN的文本聚類算法研究.pdf
- 重復(fù)記錄清洗技術(shù)及其在信息管理系統(tǒng)中的應(yīng)用.pdf
- 基于DBSCAN算法的室內(nèi)定位的研究.pdf
評論
0/150
提交評論