| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本论文的选题意义 | 第13-16页 |
| 1.3.1 差分隐私保护分类算法的现实典型应用 | 第14-16页 |
| 1.3.2 问题和挑战 | 第16页 |
| 1.4 论文的主要研究工作 | 第16-17页 |
| 1.5 论文的组织结构 | 第17-18页 |
| 第二章 论文研究的相关理论综述 | 第18-27页 |
| 2.1 差分隐私保护概述 | 第18-21页 |
| 2.1.1 差分隐私保护的定义 | 第18-19页 |
| 2.1.2 噪声机制 | 第19页 |
| 2.1.3 差分隐私保护的性质 | 第19-20页 |
| 2.1.4 差分隐私保护模式 | 第20-21页 |
| 2.2 常见的分类算法 | 第21-25页 |
| 2.2.1 ID3算法 | 第21-22页 |
| 2.2.2 随机森林决策树算法 | 第22-24页 |
| 2.2.3 Adaboost算法 | 第24-25页 |
| 2.3 不完全数据集 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 差分隐私分类决策树算法 | 第27-45页 |
| 3.1 基于完全数据集的差分隐私保护ID3算法 | 第27-29页 |
| 3.1.1 基本原理 | 第27-28页 |
| 3.1.2 决策树构建时噪声机制的选择 | 第28-29页 |
| 3.1.3 决策树构建时隐私预算的分析 | 第29页 |
| 3.2 基于完全数据集的差分隐私保护随机森林决策树算法 | 第29-31页 |
| 3.2.1 基本原理 | 第29-30页 |
| 3.2.2 决策树构建时噪声机制的选择 | 第30页 |
| 3.2.3 决策树构建时隐私预算的分析 | 第30页 |
| 3.2.4 连续属性分析 | 第30-31页 |
| 3.3 带WP缺失值处理的差分隐私保护分类算法 | 第31-37页 |
| 3.3.1 不完全数据集的数据划分 | 第32页 |
| 3.3.2 缺失值的处理 | 第32-34页 |
| 3.3.3 算法思路 | 第34-36页 |
| 3.3.4 满足-差分隐私保护 | 第36-37页 |
| 3.4 实验评估 | 第37-43页 |
| 3.4.1 实验准备 | 第37-38页 |
| 3.4.2 实验结果分析 | 第38-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 差分隐私保护Adaboost算法 | 第45-60页 |
| 4.1 基于完全数据集的DP-Adaboost算法 | 第45-51页 |
| 4.1.1 差分隐私保护的引入 | 第45-46页 |
| 4.1.2 弱分类器的构造 | 第46-48页 |
| 4.1.3 噪声机制的选择和隐私预算的分配 | 第48页 |
| 4.1.4 算法思路 | 第48-50页 |
| 4.1.5 提高预测准确率的一些优化 | 第50-51页 |
| 4.1.6 满足-差分隐私保护 | 第51页 |
| 4.2 不完全数据集的DP-Adaboost算法 | 第51-53页 |
| 4.2.1 缺失值的处理 | 第51-53页 |
| 4.2.2 算法思路 | 第53页 |
| 4.3 实验评估 | 第53-59页 |
| 4.3.1 实验准备 | 第53-54页 |
| 4.3.2 实验结果分析 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |