数据清洗是数据处理中一个关键步骤，主要目的是提高数据质量，为后续的数据分析和建模提供可靠的基础。在数据清洗的过程中，常见的方法包括：

A: 缺失值处理 - 缺失值是数据集中常见的问题，处理缺失值的方法包括删除缺失数据、用均值/中位数/众数填补、插值法、或使用预测模型进行填补等。

B: 噪声数据清除 - 噪声数据是指那些随机误差或方差过大的数据点。处理噪声数据的方法包括使用统计方法检测异常值、平滑技术（如移动平均）、或机器学习方法（如聚类分析）来识别和处理噪声。

C: 一致性检查 - 数据一致性检查是确保数据在不同记录和不同来源之间保持一致的方法。这包括检查数据格式、单位、范围以及逻辑一致性等。

D: 重复数据记录处理 - 重复数据记录是指在数据集中存在多余的重复项，这可能是由于数据合并或输入错误造成的。处理方法包括使用唯一标识符去重、合并重复记录等。

综上所述，数据清洗的方法包括缺失值处理、噪声数据清除、一致性检查和重复数据记录处理。因此，正确答案是：A、B、C、D。