面向关联规则挖掘的隐私保护算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·选题背景以及意义 | 第8-9页 |
| ·研究目标及内容 | 第9-10页 |
| ·本文内容的组织结构 | 第10-11页 |
| 2 数据挖掘和隐私保护技术概述 | 第11-20页 |
| ·数据挖掘 | 第11-15页 |
| ·数据挖掘简介 | 第11-13页 |
| ·数据挖掘研究前景 | 第13-15页 |
| ·隐私保护 | 第15-16页 |
| ·隐私保护产生背景 | 第15页 |
| ·隐私权相关概念 | 第15-16页 |
| ·隐私保护数据挖掘的研究现状 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 3 隐私保护数据挖掘算法的综述 | 第20-32页 |
| ·隐私保护数据挖掘算法的分类 | 第20-21页 |
| ·基于分类的隐私保护数据挖掘算法 | 第21-23页 |
| ·基于启发式技术 | 第21-22页 |
| ·基于重建式技术 | 第22-23页 |
| ·基于关联规则的隐私保护数据挖掘算法 | 第23-29页 |
| ·数据集中分布 | 第23-25页 |
| ·数据垂直分布 | 第25-28页 |
| ·数据水平分布 | 第28-29页 |
| ·基于聚类的隐私保护数据挖掘算法 | 第29-30页 |
| ·数据集中分布 | 第29-30页 |
| ·其他隐私保护数据挖掘算法 | 第30页 |
| ·算法的评估标准 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于关联规则的挖掘算法 MASK 的改进 | 第32-48页 |
| ·关联规则概述 | 第32-33页 |
| ·APRIORI 算法 | 第33-35页 |
| ·主要思想 | 第33页 |
| ·实现过程 | 第33-35页 |
| ·MASK 算法的原理及方法 | 第35-38页 |
| ·数据扰乱过程 | 第35-36页 |
| ·支持度重构过程 | 第36-37页 |
| ·频繁项集真实支持度估算过程 | 第37-38页 |
| ·改进算法 XMASK 的改进思想 | 第38-41页 |
| ·改进原理 | 第38-40页 |
| ·时间复杂度分析 | 第40-41页 |
| ·基于布尔数据集特性的改进算法 | 第41-45页 |
| ·问题描述 | 第41-42页 |
| ·原理描述 | 第42-43页 |
| ·改进算法的实现 | 第43-45页 |
| ·时间复杂度分析 | 第45页 |
| ·实验结果及分析 | 第45-47页 |
| ·实验环境 | 第45-46页 |
| ·结果及分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 总结和展望 | 第48-50页 |
| ·总结 | 第48页 |
| ·展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
| A 作者在攻读硕士学位期间发表的论文 | 第54页 |
