پاکسازی خودکار داده های موجود در پایگاه داده با استفاده از تکنیک های داده کاوی

سال انتشار: 1394
محل انتشار: هشتمین کنفرانس ملی و دومین کنفرانس بین المللی مدیریت دانش
کد COI اختصاصی: IKMC08_331
زبان مقاله: فارسی
تعداد مشاهده: 626

نویسندگان

گروه ریاضی، واحد ملایر، دانشگاه آزاد اسلامی

چکیده

عالماً داده های موجود در پایگاه داده ها از کیفیت مناسبی برخوردار نمی باشند و خطا در ورود داده ها، وجود ناسازگاری ها، اطلاعات ناقص ، داده های غیر استاندارد، اطلاعات تکراری و.... نمونه هایی از علل کاهش کیفیت داده ها می باشد. با توجه به حجم عظیم داده ها در پایگاه های داده موجود، امکان پالایش دستی داده ها وجود ندارد و نیاز به تکنیک های خودکار برای این کار هست. در این مقاله به روش داده کاوی یک تشخیص عفونت های پرت معرفی شده است که سرعت اجرای آن بالاست و با استفاده از آن می توان داده های پرت و ناهمگون با بقیه داده های موجود در پایگاه داده ها را شناسایی کرد و بدین ترتیب برای پالایش خودکار داده های در حجم بسیار زیاد از اهمیت بالایی برخوردار خواهد بود. روش پیشنهادی از توپاز قم تشکیل شده است ابتدا کل داده ها توسط تکنیک داده کاوی k-means کفش و می شوند، سپس روش پیشنهادی با سرعت بالا داده های پرت هر خوشه را آشکار سازی خواهد کرد.

کلیدواژه ها

داده کاوی، پاکسازی داده، پایگاه داده

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.