| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究内容与章节安排 | 第12-15页 |
| 第二章 相关技术 | 第15-33页 |
| ·数据挖掘简介 | 第15-22页 |
| ·数据预处理 | 第18-19页 |
| ·数据挖掘 | 第19-21页 |
| ·数据挖掘中的隐私保护 | 第21-22页 |
| ·隐私保护数据发布技术 | 第22-30页 |
| ·隐私保护模型 | 第22-24页 |
| ·隐私保护技术 | 第24-26页 |
| ·发布数据质量度量 | 第26-30页 |
| ·本章小结 | 第30-33页 |
| 第三章 一种基于聚类的 l-diversity 匿名方法 | 第33-47页 |
| ·数据匿名相关定义 | 第33-37页 |
| ·k-匿名模型 | 第33-35页 |
| ·k-匿名模型缺点 | 第35-36页 |
| ·l-多样性模型 | 第36-37页 |
| ·泛化层次距离和信息损失度量 | 第37-41页 |
| ·数据泛化 | 第37-39页 |
| ·层次距离 | 第39-40页 |
| ·信息损失度量 | 第40-41页 |
| ·算法描述 | 第41-44页 |
| ·算法的正确性与复杂性分析 | 第44页 |
| ·正确性分析 | 第44页 |
| ·复杂性分析 | 第44页 |
| ·本章小结 | 第44-47页 |
| 第四章 实验结果与分析 | 第47-53页 |
| ·实验环境与参数配置 | 第47-48页 |
| ·信息损失分析 | 第48-50页 |
| ·执行时间分析 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·研究展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-62页 |