基于抽樣的隱私保護聚類挖掘算法研究.pdf_第1頁
已閱讀1頁,還剩52頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據分析與處理技術迅速發(fā)展,在公布或共享數(shù)據以挖掘有效決策信息和知識的同時,不免暴露出個人和公司隱私泄露問題,進而催生了隱私保護數(shù)據挖掘這一研究領域并在近三年成為國內外研究者關注的焦點。數(shù)據挖掘中的聚類挖掘是分析管理問題的重要方法之一,常應用于市場細分、客戶分類與制造系統(tǒng)單元化設計等重要領域,而要得到這些結果則需要涉及大量詳細具體的敏感性數(shù)據和信息,與此同時數(shù)據中潛在的模式和規(guī)律也很有可能對隱私和信息安全構成威脅。因此隨著客戶個性化需求

2、時代的急速發(fā)展,聚類隱私保護算法也成為亟待解決的關鍵隱私保護數(shù)據挖掘問題。 本文提出了抽樣隱私保護聚類算法,在保證數(shù)據隱私性和聚類結果準確性的同時,還可以處理大規(guī)模數(shù)據。論文主要貢獻在于依據基于密度和基于模型聚類算法可構建聚類分布函數(shù)的原理,構造了均勻抽樣、一元正態(tài)和多元正態(tài)抽樣等三種聚類分布函數(shù)。并指出加和模糊系統(tǒng)與高斯混合函數(shù)的等價性,確立了基于模糊C均值聚類統(tǒng)計結果的分布函數(shù)參數(shù)的最優(yōu)估計,進而應用隨機抽樣技術,產生了既具

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論