融入隱私保護的特征選擇算法研究.pdf

1、近年來，數(shù)據(jù)挖掘已經(jīng)成為了一個熱門研究領域。數(shù)據(jù)挖掘就是研究如何從大量采集到的數(shù)據(jù)中獲取有用的知識和模式。然而，一些具有極高維數(shù)的數(shù)據(jù)給現(xiàn)有的學習算法造成了維數(shù)災難。特征選擇就是一種最常見的用于克服維數(shù)災難的技術，它旨在通過某種評價準則從原始的特征集中選擇一個最優(yōu)的特征子集。然而，任何事物都有它的兩面性，數(shù)據(jù)挖掘也不例外，在挖掘知識的同時造成了隱私信息的泄露。如何改善在海量數(shù)據(jù)中挖掘新知識的同時保護隱私信息是當前研究重點。
　　本

2、文從保護數(shù)據(jù)集隱私以及保護特征隱私兩個角度考慮，對融入隱私保護的特征選擇算法進行了研究?？紤]數(shù)據(jù)集隱私，本文將基于基尼指數(shù)的特征選擇算法與差分隱私算法相結合，提出了基于差分隱私的特征選擇算法，同時為了能夠將算法應用到尺寸較大的數(shù)據(jù)集上，引入了MapReduce的分布式編程框架。通過仿真實驗和理論證明容易看出，該算法可以在保護數(shù)據(jù)集隱私的基礎上篩選出重要的特征，同時通過對比集中式環(huán)境下的結果，該算法在時間復雜度上有很大的優(yōu)勢。