数据表匿名化的微聚集算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文主要的工作 | 第12页 |
| ·本文的基本框架 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2 数据表k-匿名化的微聚集技术 | 第14-23页 |
| ·微聚集算法相关技术 | 第14-18页 |
| ·微聚集算法的基本概念 | 第14-15页 |
| ·k-匿名化微聚集算法的基本步骤 | 第15-16页 |
| ·连续型数据的距离度量方法 | 第16-17页 |
| ·分类型数据的距离度量方法 | 第17-18页 |
| ·混合型数据的距离度量方法 | 第18页 |
| ·微聚集算法的分类 | 第18-22页 |
| ·从k-划分所依据的属性个数的角度分类 | 第18-20页 |
| ·从等价类大小的角度分类 | 第20-21页 |
| ·从聚类方法角度分类 | 第21-22页 |
| ·从数据类型的角度分类 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 基于免疫克隆选择的微聚集算法 | 第23-33页 |
| ·引言 | 第23-24页 |
| ·微聚集技术距离度量及类质心的定义 | 第24页 |
| ·人工免疫克隆选择理论 | 第24-26页 |
| ·基于免疫克隆选择的微聚集算法 | 第26-29页 |
| ·实验结果与分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 4 面向混合型数据的微聚集算法 | 第33-44页 |
| ·引言 | 第33-34页 |
| ·基于泛化层次的距离度量 | 第34-36页 |
| ·混合数据的距离度量和类质心的定义 | 第36-37页 |
| ·匿名数据质量度量 | 第37页 |
| ·匿名数据的信息损失量度量 | 第37页 |
| ·匿名数据的泄密风险度量 | 第37页 |
| ·面向混合数据的MDAV算法 | 第37-38页 |
| ·实验结果及分析 | 第38-43页 |
| ·实验环境和数据 | 第38-39页 |
| ·运行时间分析 | 第39-40页 |
| ·数据可用性分析 | 第40-41页 |
| ·泄密风险分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 5 面向微聚集技术的匿名数据的质量评估 | 第44-54页 |
| ·引言 | 第44页 |
| ·综合评估模型 | 第44-45页 |
| ·可用性评估模型 | 第45-47页 |
| ·连续型数据的信息损失量度量方法 | 第45-46页 |
| ·分类型数据的信息损失量度量方法 | 第46-47页 |
| ·安全性评估模型 | 第47-49页 |
| ·基于距离的记录链接方法 | 第48页 |
| ·基于分级的区间泄密方法 | 第48-49页 |
| ·安全性和可用性权衡评估 | 第49页 |
| ·实验结果及分析 | 第49-53页 |
| ·连续型属性的实验分析 | 第49-52页 |
| ·分类型属性的实验分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读学位期间取得的研究成果 | 第62-64页 |
| 致谢 | 第64-66页 |
