An Online Data Cleaning Method(一种在线数据清洗方法)
来源:互联网 发布:自行车锁哪种好 知乎 编辑:程序博客网 时间:2024/05/09 04:02
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询。输入表中的元组利用索引采用分枝限界策略搜索KNN(K Nearest Neighbors)记录从而完成与其最匹配记录的识别。理论分析和实验表明这是一种解决在线数据清洗的有效途径。
- An Online Data Cleaning Method(一种在线数据清洗方法)
- An Online Data Cleaning Method(一种在线数据清洗方法)
- An Online Data Cleaning Method(一种在线数据清洗方法)
- An Online Data Cleaning Method(一种在线数据清洗方法)
- 数据清洗(Data Cleaning)
- data cleaning(数据清洗) 课程笔记
- data cleaning(数据清洗) 课程笔记
- 数据标准化/归一化方法(Data Normalization Method )
- 一种在线系统数据迁移方法
- 数据清洗方法有哪些?
- 机器学习小组知识点24:数据预处理之数据清理(Data-Cleaning)
- 数据挖掘中的数据清洗方法大全
- 数据挖掘中的数据清洗方法大全
- Data Analysis学习笔记 --- Python数据清洗处理时间数据
- Data Analysis学习笔记 --- Python数据清洗对数据分组
- Data Analysis学习笔记 --- python数据清洗对数据聚合
- R Getting and Cleaning Data获取和清理数据
- 在Android中创建一种新的输入法(Creating an Input Method))
- 全局变量的用法
- 深入浅出C#2008从入门到提高Step By Step(二)C#基本概念
- emacs C++排版s
- A Multiple-Depth Structural Index for Branching Query (http://dx.doi.org/10.1016/j.infsof.2005.12.003)
- 一种大数据量的相似记录检测算法
- An Online Data Cleaning Method(一种在线数据清洗方法)
- ODBC基本概念
- SQLServer2000安装程序提示“有一个挂起的安装实例,请重起机器”的解决方法
- 使用Loadrunner测试Appeon Web应用时参数化的考虑
- IE进程与资源管理器进程的合并对Appeon Web应用影响
- 关于使用LoadRunner对Appeon Web应用进行压力测试的初步介绍
- 介绍一个Powerbuilder相关的工具——PowerGen
- Appeon for PowerBuilder技术揭秘(未完成)
- 运行部署在Weblogic上的Web应用时,过一段时间程序就提示数据连接断了,重起Weblogic就好了。过一段时间又出现同样的问题。