面向聚类分析的数据隐私保护方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的研究内容及章节安排 | 第15-17页 |
| 第2章 聚类与隐私保护概述 | 第17-26页 |
| 2.1 聚类算法概述 | 第17-21页 |
| 2.1.1 聚类算法定义 | 第17-18页 |
| 2.1.2 层次聚类算法 | 第18-19页 |
| 2.1.3 划分聚类算法 | 第19-20页 |
| 2.1.4 密度聚类算法 | 第20-21页 |
| 2.2 隐私保护概述 | 第21-25页 |
| 2.2.1 隐私保护定义 | 第21-22页 |
| 2.2.2 隐私保护方法 | 第22-23页 |
| 2.2.3 聚类与隐私保护 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于敏感属性效用的细粒度数据隐藏算法 | 第26-42页 |
| 3.1 问题描述及相关研究 | 第26-28页 |
| 3.2 敏感属性聚类效用分析 | 第28-32页 |
| 3.2.1 相关理论基础 | 第28-29页 |
| 3.2.2 敏感属性聚类效用 | 第29-32页 |
| 3.3 SFU-FDO隐藏算法 | 第32-37页 |
| 3.3.1 隐藏思想 | 第32页 |
| 3.3.2 隐藏策略 | 第32-34页 |
| 3.3.3 算法描述 | 第34-36页 |
| 3.3.4 安全性分析 | 第36-37页 |
| 3.4 实验与结果分析 | 第37-41页 |
| 3.4.1 实验设置 | 第38-39页 |
| 3.4.2 实验结果与分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于缺失属性效用的隐私保护聚类算法 | 第42-53页 |
| 4.1 问题描述及相关研究 | 第42-43页 |
| 4.2 间隔模糊C均值算法(IFCM) | 第43-44页 |
| 4.3 缺失属性聚类效用分析 | 第44-46页 |
| 4.3.1 聚类效用分析 | 第44-45页 |
| 4.3.2 效用距离度量 | 第45-46页 |
| 4.4 FCM-FUNI算法 | 第46-48页 |
| 4.4.1 算法思想 | 第46页 |
| 4.4.2 算法流程 | 第46-48页 |
| 4.5 实验与结果分析 | 第48-52页 |
| 4.5.1 实验设置 | 第48-49页 |
| 4.5.2 实验结果与分析 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第60-61页 |
| 附录B 攻读学位期间所参与的研究项目 | 第61页 |
