基于聚类树的相似重复记录检测算法改进研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景和意义 | 第12页 |
| ·数据质量 | 第12-15页 |
| ·数据质量描述 | 第13页 |
| ·数据质量评价标准 | 第13-14页 |
| ·数据质量问题 | 第14-15页 |
| ·数据清洗的定义 | 第15-16页 |
| ·数据仓库中的数据清洗 | 第15页 |
| ·KDD 应用中的数据清洗 | 第15-16页 |
| ·数据质量管理中的数据清洗 | 第16页 |
| ·数据清洗的研究现状 | 第16-18页 |
| ·国外的研究现状 | 第16-17页 |
| ·国内的研究现状 | 第17-18页 |
| ·本文的研究内容与论文结构 | 第18-19页 |
| 第二章 相似重复记录清洗综述 | 第19-28页 |
| ·相似重复记录清洗概述 | 第19-20页 |
| ·相似重复记录定义 | 第19-20页 |
| ·相似重复记录清洗的基本流程 | 第20页 |
| ·清洗结果的评价标准 | 第20页 |
| ·字段匹配算法 | 第20-23页 |
| ·基本字段匹配算法 | 第21页 |
| ·基于编辑距离的字段匹配算法 | 第21-22页 |
| ·Smith-Waterman 算法 | 第22-23页 |
| ·相似重复记录检测算法 | 第23-28页 |
| ·基本近邻排序法和多趟近邻排序法 | 第23-24页 |
| ·优先队列算法 | 第24-25页 |
| ·IPQS 方法和IMPN 方法 | 第25-26页 |
| ·基于聚类树的算法 | 第26-28页 |
| 第三章 算法改进 | 第28-35页 |
| ·原算法分析 | 第28-29页 |
| ·属性约减方法分析 | 第28页 |
| ·聚类树构建过程分析 | 第28-29页 |
| ·改进思路及方法 | 第29-32页 |
| ·改进思路 | 第29-30页 |
| ·改进中引入的方法 | 第30-32页 |
| ·改进后的算法 | 第32-34页 |
| ·聚类树描述 | 第32-33页 |
| ·改进后的算法过程 | 第33-34页 |
| ·算法比较 | 第34-35页 |
| 第四章 实验与结果分析 | 第35-46页 |
| ·实验准备 | 第35-37页 |
| ·实验数据准备 | 第35-36页 |
| ·实验程序准备 | 第36-37页 |
| ·实验环境 | 第37页 |
| ·实验过程及实验结果 | 第37-40页 |
| ·实验结果分析 | 第40-46页 |
| ·改进后算法与原算法有效性的比较分析 | 第41页 |
| ·改进后算法属性个数的影响分析 | 第41-43页 |
| ·改进后算法阈值设定的影响分析 | 第43-44页 |
| ·改进后算法相似记录数的影响分析 | 第44-46页 |
| 第五章 总结和展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表的论文 | 第51-52页 |
