| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 本文内容及组织结构 | 第16-19页 |
| 第2章 关联规则挖掘和隐私保护 | 第19-31页 |
| 2.1 数据挖掘 | 第19-21页 |
| 2.2 关联规则挖掘 | 第21-25页 |
| 2.2.1 关联规则挖掘定义 | 第21-23页 |
| 2.2.2 频繁项集挖掘算法 | 第23-25页 |
| 2.3 隐私保护技术 | 第25-28页 |
| 2.3.1 隐私保护技术分类 | 第25-27页 |
| 2.3.2 隐私保护评价标准 | 第27-28页 |
| 2.4 基于隐私保护关联规则的挖掘算法 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于隐私保护关联规则的挖掘算法研究 | 第31-43页 |
| 3.1 分布式分布数据下的PPARM算法研究 | 第31-34页 |
| 3.1.1 数据水平分布下的算法 | 第31-32页 |
| 3.1.2 数据垂直分布下的算法 | 第32-34页 |
| 3.2 集中式分布数据下的PPARM算法研究 | 第34-40页 |
| 3.2.1 基于单参数随机干扰的MASK算法 | 第34-36页 |
| 3.2.2 基于部分隐藏随机化回答的RRPH算法 | 第36-38页 |
| 3.2.3 基于部分隐藏转移概率矩阵的AOPAM算法 | 第38-40页 |
| 3.3 PPARM算法评价标准 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于部分隐藏转移概率矩阵的AOPAM算法改进 | 第43-59页 |
| 4.1 AOPAM算法分析 | 第43-45页 |
| 4.1.1 隐私保护度分析 | 第43-44页 |
| 4.1.2 时间复杂度分析 | 第44页 |
| 4.1.3 算法问题描述 | 第44-45页 |
| 4.2 AOPAM算法改进策略 | 第45-48页 |
| 4.2.1 对转换矩阵求逆的改进 | 第45-46页 |
| 4.2.2 对项集支持度计数的改进 | 第46-48页 |
| 4.3 改进后算法描述 | 第48-49页 |
| 4.4 算法改进实验 | 第49-52页 |
| 4.4.1 实验环境 | 第49页 |
| 4.4.2 实验数据集 | 第49-51页 |
| 4.4.3 实验设计 | 第51-52页 |
| 4.5 实验结果与分析 | 第52-56页 |
| 4.6 本章小结 | 第56-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第65-67页 |
| 致谢 | 第67-68页 |
| 详细摘要 | 第68-72页 |