基于聚類的數據清洗算法的研究.pdf_第1頁
已閱讀1頁，還剩67頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、在大數據時代來臨的當前，數據量的增長速度飛快。獲得干凈的數據顯得尤為重要。尤其隨著數據收集的方式多種多樣，其中必須要進行的階段就是數據清洗。不正確的度量方法、收集條件的限制、多數據源的合并、手工的錄入都會造成大量的缺失數據和重復記錄，傳統(tǒng)的方法對于這兩方面的應用都略有不足。因此本文在現有的聚類算法的基礎上，提出了基于聚類的數據清洗算法。
　　首先對當前的數據清洗問題做了分析，發(fā)現現實社會中主要存在重復記錄和缺失記錄兩種問題，并分析

2、了當前存在的缺失值的處理方法和重復記錄的檢測方法，發(fā)現了它們的不足。然后對聚類算法進行了分析，針對處理數據量很大的這種情況，選擇了基于密度的聚類算法。
　　其次對缺失值的清洗問題做了概述，并探討了幾種缺失值填充方法。研究了基于密度的DBSCAN算法如何應用于缺失值的填補當中。發(fā)現了DBSCAN算法不適合應用于字符型缺失值填充。提出了DBSCAN算法和關聯規(guī)則算法綜合利用的改進算法。并進行實驗驗證了此改進算法在填充準確度上有很大優(yōu)勢

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論