| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 数据挖掘 | 第9-10页 |
| 1.1.2 隐私保护数据挖掘 | 第10-11页 |
| 1.1.3 匿名化的隐私保护数据挖掘 | 第11页 |
| 1.2 研究目的与意义 | 第11-13页 |
| 1.3 具体研究内容 | 第13-14页 |
| 1.3.1 基于事务数据集的K-匿名隐私保护数据挖掘 | 第13页 |
| 1.3.2 个性化的（L, P）-多样性隐私保护数据挖掘 | 第13-14页 |
| 1.4 本文的主要贡献 | 第14-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第2章 相关研究现状 | 第17-22页 |
| 2.1 隐私保护数据挖掘 | 第17-18页 |
| 2.2 匿名化的隐私保护数据挖掘 | 第18-20页 |
| 2.3 研究现状总结 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于事务数据的K-匿名隐私保护数据挖掘 | 第22-44页 |
| 3.1 预备知识和问题定义 | 第22-24页 |
| 3.1.1 预备知识 | 第22-23页 |
| 3.1.2 问题声明 | 第23-24页 |
| 3.2 PTA算法 | 第24-34页 |
| 3.2.1 预处理模块 | 第25-28页 |
| 3.2.2 TSP-based模块 | 第28-30页 |
| 3.2.3 匿名化模块 | 第30-34页 |
| 3.3 实验结果与分析 | 第34-43页 |
| 3.3.1 实验设置和数据集介绍 | 第34-35页 |
| 3.3.2 算法分析 | 第35-38页 |
| 3.3.3 信息损失评估 | 第38-40页 |
| 3.3.4 运行时间 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 个性化的（L, P）-多样性隐私保护数据挖掘 | 第44-65页 |
| 4.1 预备知识和问题定义 | 第44-48页 |
| 4.1.1 预备知识 | 第44-47页 |
| 4.1.2 问题声明 | 第47-48页 |
| 4.2 Lnn-means算法 | 第48-55页 |
| 4.2.1 预处理 | 第49-50页 |
| 4.2.2 非敏感数据聚类 | 第50-52页 |
| 4.2.3 数据匿名化 | 第52-55页 |
| 4.3 实验结果与分析 | 第55-63页 |
| 4.3.1 实验设置和数据集介绍 | 第55-56页 |
| 4.3.2 信息损失评估 | 第56-59页 |
| 4.3.3 运行时间 | 第59-62页 |
| 4.3.4 安全性分析 | 第62-63页 |
| 4.4 本章小结 | 第63-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-73页 |
| 致谢 | 第73页 |
