Outlier-DivideConquer：近似聚集查询中离群分治取样算法

• 作者: 孙志挥 张柏礼 胡文瑜
• 来源期刊: 南京大学学报：自然科学版
• 学科: 工学
• 关键词: 数据挖掘 决策支持 近似聚集查询 均匀取样 离群分治
• 年，卷（期）: 2011,（5）
• 页码范围: 524-531
• 分类号: TP311.13
• 语种: 中文

摘要

取样是一种通用有效的近似技术,利用取样技术进行近似聚集查询处理是决策支持系统和数据挖掘实现技术中的常用方法.如何正确有效地给出近似查询结果并最小化近似查询误差是近似查询处理的关键和目标.在深入研究近似聚集查询取样方法的基础上,本文提出了一个有误差确界且只需单遍扫描数据集的离群分治取样Outlier-DivideConquer算法,该算法在聚集属性内部存在高方差分布时能克服随机均匀取样局限,可显著降低近似查询误差,且执行效率优于同类算法.最后通过与传统均匀取样算法的实验比较验证了Outlier-DivideConquer算法的有效性和正确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙志挥	东南大学计算机科学与工程学院	148	3968	33.0	58.0
2	张柏礼	东南大学计算机科学与工程学院	32	326	9.0	17.0