提出一种基于主成分分析及匹配聚类分析的数据表语义压缩方法PCA-Clustering。主成分分析利用属性间相关性，提取主成分以实现纵向压缩；匹配聚类通过对匹配程度的量度决定元组的隶属，用较少的簇集代表元组代替所有元组以实现横向压缩，并充分利用较小的允许误差取得更好的压缩比。仿真实验结果表明，在数据属性间线性相关关系明显的情况下，PCA-Clustering在压缩比方面平均优于Fascicles和ItCompress10%～15%左右；与采用CaRT模型的SPARTAN相比，由于CaRT对于线性相关明显的数
