| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-15页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本课题的主要研究内容 | 第14页 |
| ·本文组织结构 | 第14-15页 |
| 第二章 隐私保护挖掘算法综述 | 第15-26页 |
| ·数据挖掘概述 | 第15-17页 |
| ·隐私的概念 | 第17-19页 |
| ·隐私定义 | 第17页 |
| ·隐私的发展 | 第17-18页 |
| ·隐私信息的获取 | 第18-19页 |
| ·隐私的分类 | 第19页 |
| ·面向数据挖掘的隐私保护技术与方法 | 第19-20页 |
| ·集中式隐私保护数据挖掘算法 | 第20-22页 |
| ·分布式隐私保护数据挖掘算法 | 第22-25页 |
| ·垂直分布条件下的隐私保护分类挖掘 | 第22-23页 |
| ·水平分布条件下的隐私保护分类挖掘 | 第23-25页 |
| ·本章小节 | 第25-26页 |
| 第三章 K-匿名的分类分析 | 第26-29页 |
| ·全域K-匿名算法分类分析 | 第26-27页 |
| ·全局泛化算法 | 第26页 |
| ·算法分类 | 第26-27页 |
| ·局部K-匿名算法分类分析 | 第27-28页 |
| ·局部泛化算法 | 第27页 |
| ·算法分类 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 相关概念以及问题的阐述 | 第29-35页 |
| ·问题描述 | 第29页 |
| ·数据挖掘相关概念 | 第29-32页 |
| ·分类问题（Classification problem） | 第29-31页 |
| ·投影 （Projection） | 第31-32页 |
| ·聚集 | 第32页 |
| ·K-匿名算法相关概念 | 第32-35页 |
| ·准标识符 （Quasi-identifier） | 第32页 |
| ·K-匿名特征分类 （Feature categories in K-anonymity model） | 第32-33页 |
| ·K-匿名约束 | 第33页 |
| ·K-匿名 （k-anonymity） | 第33页 |
| ·K-匿名特征集划分 | 第33-35页 |
| 第五章 利用特征分布的新型k-匿名法 | 第35-43页 |
| ·本文算法DMPD | 第35-39页 |
| ·基于遗传算法搜寻法 | 第35-37页 |
| ·适应度评估 | 第37页 |
| ·分类器模型 | 第37-39页 |
| ·算法阐述 | 第39-41页 |
| ·DMPD 的多目标最优化问题 | 第41-43页 |
| 第六章 试验结果及总结 | 第43-49页 |
| ·实验过程 | 第43页 |
| ·数据集的选择 | 第43-44页 |
| ·k-匿名度对分类准确率的影响 | 第44页 |
| ·可扩展性分析 | 第44-47页 |
| ·DMPD 中遗传算法参数设置 | 第47-49页 |
| ·DMPD 多目标最优化测试 | 第49页 |
| 总结 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 硕士期间发表论文目录 | 第54-55页 |
| 致谢 | 第55-56页 |
| 大摘要 | 第56-60页 |