基于CURE算法的相似重复记录检测

• 作者: 张金明 时念云 褚希
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 相似重复记录 抽样算法 代表点
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 56-58
• 页数: 3页
• 分类号: TP301.6
• 字数: 3349字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.05.019

摘要

对CURE算法进行改进,将其应用到相似重复记录的检测.提出预抽样的概念,可以有效地确定记录集中相似重复记录的分布情况,提高随机抽样的准确性.改进代表点选择方法,提出基于距离影响因子的代表点选取策略,既可以根据数据集的密度进行代表点的选取,又能适当选取有一定意义的边缘点作为代表点,提高代表点选取的合理性.理论分析和实验表明,该方法在保证执行效率的情况下有很高的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	时念云	中国石油大学计算机与通信工程学院	12	167	8.0	12.0
2	张金明	中国石油大学计算机与通信工程学院	6	32	2.0	5.0
3	褚希	中国石油大学计算机与通信工程学院	1	25	1.0	1.0