| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第9-11页 |
| CONTENTS | 第11-13页 |
| 第一章绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 差分隐私保护 | 第15-17页 |
| 1.2.2 数据可视化及其质量评价 | 第17-19页 |
| 1.3 本文主要研究内容与组织结构 | 第19-21页 |
| 第二章 差分隐私保护研究综述 | 第21-34页 |
| 2.1 引言 | 第21-22页 |
| 2.2 获取￡ -差分隐私保护 | 第22-26页 |
| 2.3 差分隐私保护的几类重要方法 | 第26-29页 |
| 2.4 差分隐私保护与同类方法比较 | 第29-33页 |
| 2.4.1 k-匿名 | 第29-30页 |
| 2.4.2 L-diversity | 第30-32页 |
| 2.4.3 差分隐私保护 | 第32-33页 |
| 2.5 小结 | 第33-34页 |
| 第三章 差分隐私保护聚类方法研究 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 相关工作 | 第34-35页 |
| 3.2.1 保护隐私的数据挖掘 | 第34-35页 |
| 3.2.2 聚类分析中的隐私保护 | 第35页 |
| 3.3 差分隐私k-means聚类思想 | 第35-37页 |
| 3.4 差分隐私聚类算法IDP /r-means | 第37-38页 |
| 3.5 实验分析 | 第38-43页 |
| 3.5.1 实验方案 | 第39-40页 |
| 3.5.2 实验结果 | 第40-43页 |
| 3.6 小结 | 第43-44页 |
| 第四章 数据可视化中的数据聚合方法及其质量评价 | 第44-64页 |
| 4.1 引言 | 第44-45页 |
| 4.2 均分k-means++：-种多维数据可视化中的数据聚合方法 | 第45-46页 |
| 4.3 数据可视化质量评价模型 | 第46-50页 |
| 4.3.1 质量评价模型 | 第46-48页 |
| 4.3.2 质量评价对象 | 第48-50页 |
| 4.4 实验分析 | 第50-63页 |
| 4.4.1 多维数据可视化 | 第50-57页 |
| 4.4.2 多维数椐可视化中的数椐聚合及其质量评价 | 第57-63页 |
| 4.5 小结 | 第63-64页 |
| 第五章 差分隐私保护数据安全可视化 | 第64-87页 |
| 5.1 引言 | 第64页 |
| 5.2 相关工作 | 第64-69页 |
| 5.2.1 问题描述 | 第64-67页 |
| 5.2.2 研究现状 | 第67-69页 |
| 5.3 差分隐私数据聚合方法DPEk-means | 第69-71页 |
| 5.4 实验分析 | 第71-85页 |
| 5.5 小结 | 第85-87页 |
| 第六章 总结与展望 | 第87-91页 |
| 6.1 总结 | 第87-88页 |
| 6.2 展望 | 第88-91页 |
| 参考文献 | 第91-100页 |
| 攻读博士学位期间发表或完成的论文 | 第100-102页 |
| 致谢 | 第102-103页 |