[发明专利]一种基于密度聚类的数据清洗方法及装置有效
| 申请号： | 201910341078.2 | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110263230B | 公开（公告）日： | 2021-04-06 |
| 发明（设计）人： | 许海涛;张晓鹏;周贤伟;林福宏;吕兴;安建伟 | 申请（专利权）人： | 北京科技大学 |
| 主分类号： | G06F16/903 | 分类号： | G06F16/903;G06F16/906 |
| 代理公司： | 北京市广友专利事务所有限责任公司 11237 | 代理人： | 张仲波 |
| 地址： | 100083*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于密度聚类的数据清洗方法及装置，能够提高清洗结果的准确率。所述方法包括：获取待清洗的数据集，其中，所述数据集中样本的属性值包括：数值型数据和字符型数据；对数值型数据和字符型数据分别采用标准化的欧式距离和基于编辑距离的字符串相似度算法，确定数据集中样本间的距离；根据确定的数据集中样本间的距离，对DBSCAN算法的eps和minPts进行估计；将估计的eps和minPts值作为DBSCAN参数值，对待清洗的数据集进行密度聚类；根据聚类结果，对待清洗的数据集中的数据进行清洗。本发明涉及数据挖掘领域。 | ||
| 搜索关键词： | 一种 基于 密度 数据 清洗 方法 装置 | ||
【主权项】：
1.一种基于密度聚类的数据清洗方法，其特征在于，包括：获取待清洗的数据集，其中，所述数据集中样本的属性值包括：数值型数据和字符型数据；对数值型数据和字符型数据分别采用标准化的欧式距离和基于编辑距离的字符串相似度算法，确定数据集中样本间的距离；根据确定的数据集中样本间的距离，对DBSCAN算法的eps和minPts进行估计，其中，eps表示扫描半径，minPts表示最小包含点数，DBSCAN表示具有噪声的基于密度的聚类；将估计的eps和minPts值作为DBSCAN参数值，对待清洗的数据集进行密度聚类；根据聚类结果，对待清洗的数据集中的数据进行清洗。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京科技大学，未经北京科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910341078.2/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
