不確定數(shù)據(jù)的重復(fù)檢測及清洗研究.pdf

1、近年來，不確定數(shù)據(jù)的管理吸引了來自工業(yè)界和學(xué)術(shù)界的極大關(guān)注，特別在諸如無線傳感器網(wǎng)絡(luò)、生物技術(shù)和生物數(shù)據(jù)庫、基于位置的服務(wù)和數(shù)據(jù)流等新興的領(lǐng)域中。為了準(zhǔn)確獲取不確定數(shù)據(jù)中的信息，本文在前人研究成果的基礎(chǔ)上，研究了不確定數(shù)據(jù)的重復(fù)檢測和清洗問題。
　　首先，基于不確定數(shù)據(jù)的相關(guān)理論和現(xiàn)有的研究成果，給出了不確定數(shù)據(jù)重復(fù)檢測的改進(jìn)模型，引入了優(yōu)先權(quán)重和屬性閾值的概念，并通過優(yōu)先計(jì)算概率大的候選元組的相似度，提高了重復(fù)檢測效率。其次，圍

2、繞屬性不確定數(shù)據(jù)的清洗問題，為概率范圍查詢給出了一種基于熵的查詢回答質(zhì)量度量，同時(shí)討論了一種提高有限資源下查詢質(zhì)量的解決方案，并將方案擴(kuò)展到多查詢共享資源預(yù)算的情況。接著，針對元組不確定數(shù)據(jù)的清洗問題，為基于實(shí)體的查詢給出了一種基于不確定世界語義的查詢結(jié)果質(zhì)量度量（PWS-EQ），討論了高效評估PWS-EQ的方法，給出了在多項(xiàng)式時(shí)間內(nèi)獲得最優(yōu)查詢質(zhì)量的算法，并進(jìn)一步研究了在清洗后的數(shù)據(jù)庫中再次評估查詢的問題。最后，針對所提出的解決方案和