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

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.

Keywords:

داده کاوی , پاکسازی داده , پایگاه داده