基于聚類樹的相似重復記錄檢測算法改進研究.pdf_第1頁
已閱讀1頁，還剩46頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、數(shù)據倉庫中數(shù)據來源的多渠道導致相似重復記錄增多，嚴重影響了數(shù)據利用的效率和決策質量。相似重復記錄的檢測和消除成為數(shù)據倉庫、知識發(fā)現(xiàn)等領域的熱點研究問題。由于大多數(shù)的決策應用都是基于動態(tài)數(shù)據庫，因此增量式相似重復記錄檢測研究更是受到組織和學者的關注?；诰垲悩涞臋z測算法是一種比較好的增量式相似重復記錄檢測方法。但該算法存在效率不高、精度低下的問題。鑒于此，本文使用等級法進行屬性約減，并為聚類樹構建過程增設了一個閾值，提出了一種改進的基于聚

2、類樹檢測算法。
　　 本文首先綜述了數(shù)據質量、數(shù)據清洗和相似重復記錄檢測的相關理論和方法。其次，分析了基于聚類樹檢測算法存在的問題，針對這些問題提出了改進思路和方法，即采用等級權重法約減屬性給屬性排序以提高算法的精度，通過增設記錄閾值提高算法的效率，并給出了改進后的算法過程。最后，以SQL SeverManagement Studio為DBMS、MyEclipse7.0為程序開發(fā)工具，開發(fā)了ICT-Syst(Improved C

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論