面向隐私保护的数据挖掘算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究的重要意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 数据挖掘研究现状 | 第9-10页 |
| 1.2.2 决策树发展及研究现状 | 第10-11页 |
| 1.3 论文的主要内容及思想方法 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 数据挖掘和隐私保护的相关理论 | 第13-22页 |
| 2.1 数据挖掘概述 | 第13-15页 |
| 2.2 决策树算法概述 | 第15-19页 |
| 2.2.1 决策树生成 | 第16-17页 |
| 2.2.2 决策树修剪 | 第17页 |
| 2.2.3 ID3算法原理 | 第17-18页 |
| 2.2.4 C4.5算法原理 | 第18-19页 |
| 2.3 隐私保护相关理论 | 第19-20页 |
| 2.3.1 隐私的概念 | 第19页 |
| 2.3.2 隐私保护技术的分类 | 第19-20页 |
| 2.3.3 隐私保护技术的性能评估 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 决策树算法的改进及实现 | 第22-47页 |
| 3.1 Weka平台中决策树的实现 | 第22-31页 |
| 3.1.1 Weka平台简介 | 第22-26页 |
| 3.1.2 决策树构建与评估 | 第26-30页 |
| 3.1.3 在Weka中添加新算法 | 第30-31页 |
| 3.2 对决策树算法的改进 | 第31-36页 |
| 3.2.1 简化信息熵 | 第31-33页 |
| 3.2.2 对连续属性的处理改进 | 第33-34页 |
| 3.2.3 误差弥补及方案对比 | 第34-36页 |
| 3.3 实验结果与分析 | 第36-46页 |
| 3.3.1 改进算法的可行性分析 | 第36-40页 |
| 3.3.2 相同数据集上改进算法分析 | 第40-43页 |
| 3.3.3 不同数据集上改进算法分析 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 面向隐私保护的改进决策树算法应用 | 第47-61页 |
| 4.1 K-匿名化模型介绍 | 第47-51页 |
| 4.1.1 K-匿名化算法 | 第47-49页 |
| 4.1.2 数据匿名化技术 | 第49-51页 |
| 4.1.3 隐私保护度量方法 | 第51页 |
| 4.2 面向隐私保护的决策树算法分析 | 第51-54页 |
| 4.2.1 基本概念 | 第52-53页 |
| 4.2.2 K-匿名与改进算法组合 | 第53-54页 |
| 4.3 实验结果与分析 | 第54-60页 |
| 4.3.1 实验数据 | 第54-55页 |
| 4.3.2 实验过程与结果分析 | 第55-59页 |
| 4.3.3 隐私保护度量 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 结论与展望 | 第61-63页 |
| 5.1 结论 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-68页 |
| 作者在读期间科研成果简介 | 第68-69页 |
| 致谢 | 第69页 |
