聚類算法是數(shù)據(jù)挖掘中重要的算法,在多個(gè)應(yīng)用領(lǐng)域中扮演著重要的角色。特別在服務(wù)質(zhì)量(Quality of Service,QoS)預(yù)測框架中,服務(wù)聚類次數(shù)常用于衡量用戶間的相似性;而在分類數(shù)據(jù)可視化中,聚類用于尋找數(shù)據(jù)集中合適的聚合點(diǎn)。隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,帶有敏感信息的數(shù)據(jù)迅速增長,這給廣大用戶的個(gè)人隱私帶來很大的風(fēng)險(xiǎn)。圍繞著聚類算法相關(guān)應(yīng)用的隱私保護(hù)問題,已經(jīng)引起學(xué)術(shù)界的廣泛關(guān)注。差分隱私保護(hù)是近些年興起的隱私保護(hù)方法,通過加入少量噪聲,保障個(gè)體信息的隱私性,同時(shí)盡可能保證了數(shù)據(jù)的可用性。在服務(wù)質(zhì)量預(yù)測中添加噪聲擾動(dòng)服務(wù)聚類次數(shù),適當(dāng)干擾相似用戶的選擇,避免用戶個(gè)體的偏好的直接泄露。在分類數(shù)據(jù)可視化過程中,利用差分隱私機(jī)制添加噪聲擾動(dòng)聚類的迭代中心點(diǎn),達(dá)到分類數(shù)據(jù)的隱私保護(hù)。為此,本文主要結(jié)合聚類算法,將差分隱私保護(hù)方法應(yīng)用到服務(wù)質(zhì)量預(yù)測和分類數(shù)據(jù)可視化過程中,并且通過隱私性分析和大量實(shí)驗(yàn)表明,新提出的方案在保護(hù)數(shù)據(jù)隱私的同時(shí),能夠有效地保證預(yù)測精確度,以及獲得安全視圖。主要的研究工作和貢獻(xiàn)包括以下兩個(gè)方面:(1)提出了一種基于差分隱私保護(hù)的服務(wù)質(zhì)量預(yù)測算法,該算法的主要研究工具...

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 服務(wù)推薦系統(tǒng)概述
    1.2 數(shù)據(jù)可視化概述
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 服務(wù)推薦系統(tǒng)與隱私保護(hù)
        1.3.2 數(shù)據(jù)可視化與隱私保護(hù)
    1.4 本文研究內(nèi)容
    1.5 組織結(jié)構(gòu)
第2章 基礎(chǔ)知識(shí)
    2.1 聚類算法
        2.1.1 覆蓋算法
        2.1.2 密度峰值聚類
        2.1.3 k-modes聚類
    2.2 差分隱私
        2.2.1 ε-差分隱私模型
        2.2.2 差分隱私的實(shí)現(xiàn)機(jī)制
    2.3 本章小結(jié)
第3章 基于差分隱私保護(hù)的服務(wù)質(zhì)量預(yù)測算法
    3.1 引言
    3.2 服務(wù)質(zhì)量預(yù)測算法及過程
    3.3 一種改進(jìn)的覆蓋算法
    3.4 差分隱私服務(wù)推薦系統(tǒng)設(shè)計(jì)
        3.4.1 隱私問題描述
        3.4.2 差分隱私保護(hù)服務(wù)推薦系統(tǒng)
        3.4.3 K個(gè)用戶組合的效用優(yōu)化方案
        3.4.4 隱私性分析
    3.5 實(shí)驗(yàn)分析
        3.5.1 數(shù)據(jù)集
        3.5.2 評(píng)價(jià)指標(biāo)
        3.5.3 聚類算法對(duì)預(yù)測結(jié)果的影響
        3.5.4 矩陣密度對(duì)預(yù)測結(jié)果的影響
        3.5.5 Top-k對(duì)預(yù)測結(jié)果的影響
        3.5.6 隱私預(yù)算對(duì)預(yù)測結(jié)果的影響
    3.6 本章小結(jié)
第4章 一種滿足差分隱私保護(hù)的分類數(shù)據(jù)可視化算法
    4.1 引言
    4.2 問題描述
    4.3 差分隱私保護(hù)分類數(shù)據(jù)聚合算法
    4.4 隱私性分析
        4.4.1 敏感度和隱私預(yù)算設(shè)定
        4.4.2 DPE k-modes隱私性證明
    4.5 實(shí)驗(yàn)分析
        4.5.1 分類數(shù)據(jù)集和評(píng)價(jià)指標(biāo)
        4.5.2 隱私預(yù)算對(duì)聚類結(jié)果的影響
        4.5.3 k值對(duì)聚合運(yùn)算的影響
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文小結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)成果
在讀期間參加的科研項(xiàng)目



本文編號(hào)：3822415