基于聚类模型的非显示隐私保护方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-11页 |
| 1.2.1 基于匿名泛化的隐私保护研究现状 | 第9-10页 |
| 1.2.2 基于生成模型的聚类方法研究现状 | 第10-11页 |
| 1.2.3 问题的总结与分析 | 第11页 |
| 1.3 本文的主要内容及创新 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第2章 改进的T-逼近算法 | 第13-24页 |
| 2.1 基本概念 | 第13-15页 |
| 2.2 t-逼近模型 | 第15-19页 |
| 2.2.1 k-匿名 | 第15页 |
| 2.2.2 l-多样性 | 第15-17页 |
| 2.2.3 t-逼近 | 第17-19页 |
| 2.3 改进的t-逼近算法 | 第19-23页 |
| 2.3.1 t-逼近模型实现 | 第19-22页 |
| 2.3.2 改进的t-逼近算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于有限混合模型的隐私保护 | 第24-39页 |
| 3.1 期望最大化 | 第24-25页 |
| 3.2 高斯混合模型 | 第25-28页 |
| 3.2.1 高斯概率密度函数的参数估计 | 第26-27页 |
| 3.2.2 高斯混合密度函数的参数估计 | 第27-28页 |
| 3.3 基于维度的高斯混合模型 | 第28-38页 |
| 3.3.1 模型引入 | 第29-31页 |
| 3.3.2 参数估计 | 第31-34页 |
| 3.3.3 模型选择 | 第34-37页 |
| 3.3.4 算法设计 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 实验结果与分析 | 第39-53页 |
| 4.1 改进的t-逼近算法实验结果与分析 | 第39-41页 |
| 4.1.1 实验环境 | 第39-40页 |
| 4.1.2 实验数据 | 第40页 |
| 4.1.3 实验结果与分析 | 第40-41页 |
| 4.2 基于维度的高斯混合模型实验结果与分析 | 第41-52页 |
| 4.2.1 实验数据 | 第42-43页 |
| 4.2.2 模型验证实验结果与分析 | 第43-45页 |
| 4.2.3 特征选择实验结果与分析 | 第45-50页 |
| 4.2.4 隐私保护实验结果与分析 | 第50页 |
| 4.2.5 模型选择实验结果与分析 | 第50-51页 |
| 4.2.6 实验总结 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60页 |
