| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1.绪论 | 第8-14页 |
| ·选题背景及研究意义 | 第8-9页 |
| ·选题背景 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·研究现状 | 第9-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·主要研究的内容与章节安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2.相关理论综述 | 第14-26页 |
| ·隐私保护的相关理论 | 第14-18页 |
| ·隐私的概念 | 第14页 |
| ·隐私保护的研究方向 | 第14-15页 |
| ·隐私保护技术的分类 | 第15页 |
| ·三种隐私保护模型简介 | 第15-16页 |
| ·数据泛化 | 第16-17页 |
| ·信息损失度量 | 第17-18页 |
| ·聚类算法 | 第18-22页 |
| ·聚类算法的分类 | 第18-21页 |
| ·聚类算法中距离度量 | 第21-22页 |
| ·粗糙集相关理论 | 第22-24页 |
| ·知识与知识库 | 第22-23页 |
| ·上下近似和边界区域 | 第23-24页 |
| ·近似度 | 第24页 |
| ·知识的约简 | 第24页 |
| ·本章小结 | 第24-26页 |
| 3.基于聚类的改进的单敏感属性 t-closeness 模型 | 第26-36页 |
| ·基本概念 | 第26-30页 |
| ·准标识符 | 第26-27页 |
| ·k-匿名 | 第27-28页 |
| ·L-多样性 | 第28-29页 |
| ·t-closeness 模型 | 第29-30页 |
| ·基于聚类的改进的单敏感属性 t-closeness 模型算法 | 第30-32页 |
| ·聚类算法的效果 | 第30-31页 |
| ·聚类的过程 | 第31-32页 |
| ·实验结果及分析 | 第32-34页 |
| ·实验环境 | 第32-33页 |
| ·信息损失 | 第33-34页 |
| ·执行时间分析 | 第34页 |
| ·本章小结 | 第34-36页 |
| 4.基于粗糙集的改进的单敏感属性 K-最近邻算法 | 第36-44页 |
| ·粗糙集的基本概念 | 第36-38页 |
| ·基于粗糙集的对象之间的距离公式 | 第38-39页 |
| ·基于粗糙集的改进的单敏感属性 K-最近邻算法 | 第39-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 5.一种基于多敏感属性的 t-closeness 算法 | 第44-54页 |
| ·一种基于多敏感属性的 t-closeness 算法的概念及特点 | 第44-45页 |
| ·基本概念 | 第44-45页 |
| ·基于多敏感属性的 t-closeness 隐私保护模型的实现方法 | 第45-48页 |
| ·数据泛化 | 第48-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 6.总结与展望 | 第54-56页 |
| ·已做工作 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士期间发表的学术论文 | 第62页 |
