一种基于聚类树的增量式数据清洗算法

• 作者: 何飞 刘芳
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据清洗 近似重复记录 聚类树
• 年，卷（期）: 2005,（3）
• 页码范围: 46-48
• 页数: 3页
• 分类号: TP311
• 字数: 3480字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-4512.2005.03.015

摘要

研究了在数据模式与匹配规则不变的前提下,数据集动态增加时近似重复记录的识别问题,提出了一种基于聚类树的增量式数据清洗算法IACT.该算法通过构建聚类树先对记录进行分区,然后在划分的区域内进行相似度的计算识别出近似重复记录,从而完成了增量式相似重复记录的检测.实验结果证明了IACT算法在无损精度的情况下,在效率上优于多趟邻近排序(MPN)算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘芳	华中科技大学计算机科学与技术学院	157	1393	20.0	30.0
2	何飞	华中科技大学计算机科学与技术学院	2	54	2.0	2.0