| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 课题来源 | 第12-13页 |
| 1.4 本文工作 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第二章 相关背景知识介绍 | 第15-23页 |
| 2.1 差分隐私相关概念 | 第15-17页 |
| 2.1.1 差分隐私的基本概念和定义 | 第16页 |
| 2.1.2 差分隐私的其他相关概念 | 第16-17页 |
| 2.2 数据挖掘及其相关概念 | 第17-19页 |
| 2.3 个性化推荐系统以及相关推荐方法 | 第19-22页 |
| 2.3.1 推荐系统的推荐方式 | 第19-20页 |
| 2.3.2 推荐系统的评测指标 | 第20页 |
| 2.3.3 推荐系统的体系结构 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 一种D-ProPer保护框架下的差分隐私数据发布方法 | 第23-36页 |
| 3.1 差分隐私保护框架D-ProPer | 第23-26页 |
| 3.2 基于差分隐私的S-GS直方图数据发布方法 | 第26-32页 |
| 3.2.1 数据发布方法 | 第26-28页 |
| 3.2.2 S-GS数据发布方法 | 第28-32页 |
| 3.3 实验仿真及分析 | 第32-35页 |
| 3.3.1 关于离群点数量的实验 | 第33-34页 |
| 3.3.2 关于隐私预算e的实验 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 面向差分隐私保护的A-PAM聚类方法研究 | 第36-43页 |
| 4.1 差分隐私A-PAM聚类算法 | 第37-39页 |
| 4.1.1 基于差分隐私保护的K-means聚类算法 | 第37页 |
| 4.1.2 满足e-差分隐私保护的A-PAM聚类算法 | 第37-39页 |
| 4.2 实验仿真与分析 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 个性化推荐系统的设计与实现 | 第43-53页 |
| 5.1 需求分析 | 第43-44页 |
| 5.2 原型系统结构图 | 第44-45页 |
| 5.3 原型系统流程分析 | 第45-46页 |
| 5.4 原型系统相关功能实现思想 | 第46-47页 |
| 5.5 原型系统实现 | 第47-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60页 |
