| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 存在的问题与不足 | 第14-15页 |
| 1.4 研究内容 | 第15页 |
| 1.5 论文的组织结构 | 第15-18页 |
| 第2章 差分隐私保护研究概述 | 第18-26页 |
| 2.1 隐私保护技术 | 第18-19页 |
| 2.2 差分隐私保护理论基础 | 第19-23页 |
| 2.3 基于差分隐私的数据保护框架 | 第23-24页 |
| 2.3.1 交互式框架 | 第23页 |
| 2.3.2 非交互式框架 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 K-MEANS聚类算法研究 | 第26-34页 |
| 3.1 聚类分析综述 | 第26页 |
| 3.2 主要聚类方法 | 第26-28页 |
| 3.2.1 基于划分的聚类算法 | 第26-27页 |
| 3.2.2 基于网格的聚类算法 | 第27页 |
| 3.2.3 基于密度的聚类算法 | 第27页 |
| 3.2.4 基于层次的网格算法 | 第27-28页 |
| 3.2.5 基于模型的算法 | 第28页 |
| 3.3 聚类方法中常用的相似性度量 | 第28-30页 |
| 3.3.1 基于距离的相似性度量 | 第28-29页 |
| 3.3.2 基于相似性系数的相似性度量 | 第29-30页 |
| 3.4 传统K-MEANS聚类算法概述 | 第30-31页 |
| 3.5 传统K-MEANS聚类算法的缺点 | 第31-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第4章 差分隐私保护K-MEANS聚类算法 | 第34-48页 |
| 4.1 背景知识 | 第34-36页 |
| 4.1.1 隐私保护下的数据挖掘 | 第34-35页 |
| 4.1.2 K-means聚类算法中的隐私问题 | 第35页 |
| 4.1.3 传统的差分隐私保护K-means聚类方法 | 第35-36页 |
| 4.2 DPC方法 | 第36-39页 |
| 4.2.1 DPC方法相关定义 | 第37-38页 |
| 4.2.2 DPC方法的实现过程 | 第38-39页 |
| 4.2.3 算法分析 | 第39页 |
| 4.3 DSNDN方法 | 第39-45页 |
| 4.3.1 敏感属性维度的提出 | 第39-40页 |
| 4.3.2 簇内自适应分配隐私预算 | 第40-42页 |
| 4.3.3 K-means迭代过程中的隐私预算的设置 | 第42页 |
| 4.3.4 差分隐私保护K-means聚类隐私预算的详细分配方案 | 第42-43页 |
| 4.3.5 DSNDN方法的实现过程 | 第43-44页 |
| 4.3.6 算法分析 | 第44-45页 |
| 4.4 隐私性分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 实验结果及分析 | 第48-56页 |
| 5.1 基于交互式框架下的算法实现 | 第48页 |
| 5.2 实验数据集 | 第48-49页 |
| 5.3 实验环境与衡量标准 | 第49页 |
| 5.4 实验及结果分析 | 第49-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
