基于乘法扰动的数据挖掘隐私保护算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-24页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-21页 |
| ·数据隐藏 | 第13-20页 |
| ·规则隐藏 | 第20-21页 |
| ·主要研究内容与思路 | 第21-24页 |
| ·研究目标 | 第21页 |
| ·研究内容及拟解决关键问题 | 第21-22页 |
| ·研究方法 | 第22页 |
| ·技术路线与创新性 | 第22-24页 |
| 第二章 乘法扰动隐私保护算法 | 第24-42页 |
| ·旋转扰动方法 | 第24-31页 |
| ·旋转扰动基本原理 | 第25-26页 |
| ·旋转扰动准确性分析 | 第26-29页 |
| ·旋转扰动隐私安全性分析 | 第29-31页 |
| ·投影扰动方法 | 第31-42页 |
| ·投影扰动基本原理 | 第32-34页 |
| ·投影扰动准确性分析 | 第34-39页 |
| ·投影扰动隐私安全性分析 | 第39-42页 |
| 第三章 已知信息独立分量分析和局部旋转扰动方法 | 第42-57页 |
| ·已知信息独立分量分析 | 第42-45页 |
| ·存在变换矩阵J | 第43-45页 |
| ·确定J | 第45页 |
| ·局部旋转扰动方法 | 第45-50页 |
| ·局部旋转扰动基本原理 | 第46-48页 |
| ·局部旋转扰动准确性分析 | 第48-49页 |
| ·局部旋转扰动隐私安全性分析 | 第49-50页 |
| ·实验分析 | 第50-56页 |
| ·数据预处理 | 第50-51页 |
| ·准确性实验 | 第51-54页 |
| ·隐私安全性实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 移动商务客户细分聚类挖掘 | 第57-69页 |
| ·聚类算法基本理论 | 第57-61页 |
| ·聚类的概念 | 第57-58页 |
| ·聚类的数据结构 | 第58页 |
| ·K-means算法 | 第58-61页 |
| ·客户细分聚类挖掘 | 第61-69页 |
| ·对移动客户细分的商业理解 | 第61-62页 |
| ·K-means聚类模型 | 第62-69页 |
| 第五章 移动商务客户来电提醒业务分类挖掘 | 第69-81页 |
| ·支持向量机算法基本理论 | 第69-71页 |
| ·来电提醒业务分类挖掘 | 第71-81页 |
| ·对来电提醒业务分类的商业理解 | 第71-72页 |
| ·SVM分类模型 | 第72-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读学位期间发表论文 | 第87-89页 |
| 致谢 | 第89页 |
