基于聚类的非清洁数据库的聚集查询处理算法

摘要

现实数据库中的不完整数据、不一致数据、重复数据等非清洁数据为数据库的有效使用带来了影响，从包含非清洁数据的数据库中得到满足清洁度要求的统计分析结果，为数据库研究带来了新的挑战，聚集查询是统计分析的基础．面向非清洁数据，提出了有清洁度保证的聚集查询处理算法，用于处理包含group by子句的聚集查询．考虑到在非清洁数据中，同一个元组可能属于不同的分组，提出的方法是利用可重叠聚类的方法将数据库中的元组加以分组，从而得到考虑数据非清洁性的分组，以及基于这些分组计算得到的聚集结果及其以概率表达的清洁度．提出的方法适用于多种聚集函数以及包含选择条件的聚集查询．通过实验验证了方法的效率．