基于抽樣的隱私保護聚類挖掘算法研究.pdf

1、數(shù)據(jù)分析與處理技術(shù)迅速發(fā)展，在公布或共享數(shù)據(jù)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(jù)挖掘這一研究領(lǐng)域并在近三年成為國內(nèi)外研究者關(guān)注的焦點。數(shù)據(jù)挖掘中的聚類挖掘是分析管理問題的重要方法之一，常應(yīng)用于市場細分、客戶分類與制造系統(tǒng)單元化設(shè)計等重要領(lǐng)域，而要得到這些結(jié)果則需要涉及大量詳細具體的敏感性數(shù)據(jù)和信息，與此同時數(shù)據(jù)中潛在的模式和規(guī)律也很有可能對隱私和信息安全構(gòu)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(guān)鍵隱私保護數(shù)據(jù)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(jù)隱私性和聚類結(jié)果準(zhǔn)確性的同時，還可以處理大規(guī)模數(shù)據(jù)。論文主要貢獻在于依據(jù)基于密度和基于模型聚類算法可構(gòu)建聚類分布函數(shù)的原理，構(gòu)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(jié)果的分布函數(shù)參數(shù)的最優(yōu)估計，進而應(yīng)用隨機抽樣技術(shù)，產(chǎn)生了既具