| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-12页 |
| ·课题来源和主要研究内容 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第二章 相似重复记录检测技术与方法 | 第14-27页 |
| ·相似重复记录概述 | 第14-16页 |
| ·相似重复记录介绍 | 第14-15页 |
| ·相似重复记录清洗过程 | 第15-16页 |
| ·记录排序 | 第16-17页 |
| ·记录相似性度量方法 | 第17-21页 |
| ·编辑距离 | 第17-18页 |
| ·距离函数相似性度量 | 第18-19页 |
| ·按权相加相似度度量 | 第19-20页 |
| ·N-gram 字符串匹配算法 | 第20页 |
| ·N-gram 层次空间相似性度量 | 第20-21页 |
| ·相似重复记录检测算法 | 第21-26页 |
| ·优先权队列算法 | 第21-22页 |
| ·Smith-Waterman 算法 | 第22页 |
| ·近邻排序算法SNM | 第22-24页 |
| ·多趟近邻排序（MPN）算法 | 第24页 |
| ·CURE 层次聚类方法 | 第24-26页 |
| ·相似重复记录清除方法和评价标准 | 第26页 |
| ·相似重复记录清除方法 | 第26页 |
| ·相似重复记录清洗评价标准 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 DBSCAN 密度聚类算法及改进 | 第27-42页 |
| ·DBSCAN 聚类算法介绍 | 第27-31页 |
| ·聚类及其分类 | 第27-28页 |
| ·DBSCAN 算法的相关介绍 | 第28-30页 |
| ·DBSCAN 算法描述及实现步骤 | 第30-31页 |
| ·DBSCAN 算法存在的问题及改进 | 第31-32页 |
| ·DBSCAN 算法在相似重复检测中存在的问题 | 第31-32页 |
| ·DBSCAN 算法的改进 | 第32页 |
| ·IDBS 算法的实现 | 第32-36页 |
| ·IDBS 算法流程 | 第32-34页 |
| ·IDBS 算法数据结构定义 | 第34-35页 |
| ·数据库连接和记录的加载 | 第35页 |
| ·IDBS 算法的实现 | 第35-36页 |
| ·实验结果及分析 | 第36-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 基于熵特征优选分组聚类的相似重复记录检测 | 第42-53页 |
| ·基于熵特征优选分组聚类算法 | 第42-46页 |
| ·熵的介绍 | 第42页 |
| ·熵度量对象间的相似度 | 第42-44页 |
| ·基于熵特征优选分组聚类算法 | 第44-46页 |
| ·FSGC 算法的实现和实验对比 | 第46-52页 |
| ·FSGC 算法流程 | 第46-48页 |
| ·数据的预处理 | 第48页 |
| ·实验环境 | 第48-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于N-Gram 算法的二次聚类检测 | 第53-63页 |
| ·二次聚类检测的可行性分析 | 第53-54页 |
| ·N-Gram 聚类算法及其实现 | 第54-59页 |
| ·N-Gram 聚类算法思想 | 第54-55页 |
| ·N-Gram 算法的实现 | 第55-59页 |
| ·二次聚类相似重复记录检测 | 第59-60页 |
| ·二次聚类后实验分析对比 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 基于多Agent 的三层数据清洗系统模型的设计 | 第63-69页 |
| ·Agent 技术及多Agent 系统 | 第63页 |
| ·多Agent 的三层数据清洗系统模型框架的设计 | 第63-68页 |
| ·数据清洗中的主要问题 | 第63-64页 |
| ·基于多Agent 的三层数据清洗系统模型 | 第64-67页 |
| ·模型系统的通信和工作机制 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第七章 结论与展望 | 第69-71页 |
| ·论文总结 | 第69-70页 |
| ·未来工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 作者在攻读硕士期间主要研究成果 | 第76页 |