基于隐私保护聚类的分析和研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·背景和意义 | 第10-12页 |
| ·隐私保护聚类挖掘的研究现状 | 第12-13页 |
| ·研究内容 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 数据挖掘及隐私保护技术概述 | 第15-28页 |
| ·数据挖掘技术 | 第15-18页 |
| ·数据挖掘技术产生的背景 | 第15-16页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·数据挖掘的主要任务 | 第17页 |
| ·数据挖掘的应用与发展 | 第17-18页 |
| ·隐私与隐私保护 | 第18-21页 |
| ·隐私概念 | 第18-20页 |
| ·信息时代的隐私 | 第20-21页 |
| ·数据挖掘的隐私保护技术与方法 | 第21-27页 |
| ·数据挖掘中的隐私保护问题 | 第21-23页 |
| ·数据挖掘隐私保护技术 | 第23-25页 |
| ·数据挖掘的隐私保护技术 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 半诚信模型下水平分布数据隐私保护 | 第28-48页 |
| ·安全多方计算 | 第28-29页 |
| ·相关术语定义 | 第29-35页 |
| ·安全模型 | 第29-30页 |
| ·数据分布 | 第30-31页 |
| ·向量化 | 第31-32页 |
| ·相似度 | 第32-34页 |
| ·数据规范化 | 第34-35页 |
| ·问题描述与背景 | 第35-38页 |
| ·基于向量积的数据挖掘算法 | 第36页 |
| ·随机正交矩阵数据扰乱算法(ROMD) | 第36-37页 |
| ·数据水平分割下的多方数据挖掘模型构建 | 第37-38页 |
| ·安全多方计算协议 | 第38-41页 |
| ·向量内积安全计算协议 | 第38-40页 |
| ·矩阵乘积安全计算协议 | 第40-41页 |
| ·混合式隐私保护算法 | 第41-45页 |
| ·空间坐标系转换 | 第41-45页 |
| ·隐私保护聚类 | 第45页 |
| ·实验验证 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于谱图理论的隐私保护算法 | 第48-67页 |
| ·谱聚类 | 第48-52页 |
| ·谱聚类介绍 | 第48页 |
| ·谱聚类算法 | 第48-50页 |
| ·基于邻居排序的自适应谱聚类算法 | 第50-52页 |
| ·基于谱图理论的隐私保护聚类 | 第52-62页 |
| ·谱聚类研究 | 第52-54页 |
| ·谱图理论 | 第54-57页 |
| ·期望聚类类别为k 的研究 | 第57-59页 |
| ·自适应选取k 的聚类 | 第59-60页 |
| ·基于谱图理论的隐私保护算法 | 第60-61页 |
| ·算法分析 | 第61-62页 |
| ·试验结果与分析 | 第62-66页 |
| ·挑战问题的实验 | 第62-64页 |
| ·UCI数据集上的试验 | 第64-65页 |
| ·谷歌趋势曲线的聚类实验 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 攻硕期间取得的研究成果 | 第78-79页 |
