在大數(shù)據(jù)時代,需要考慮的第一要務是如何正確合理的使用大數(shù)據(jù)給日常生活帶來便利,同時還需要考慮信息泄露的問題。推薦系統(tǒng)在一定程度上解決了大數(shù)據(jù)帶來的信息過載問題,而差分隱私技術則可以達到信息保護的目的。本文設計了差分隱私保護的K-means聚類算法,它利用差分隱私技術解決K-means聚類中用戶隱私泄露的問題。此外,將差分隱私保護的K-means聚類算法與RBM算法結(jié)合設計出推薦系統(tǒng),解決大數(shù)據(jù)時代的信息過載問題。通過調(diào)研了已有的差分隱私K-means聚類算法和相應的推薦算法,重點考慮了兩方面的內(nèi)容。一方面,如何將差分隱私技術應用到K-means聚類中保護用戶隱私屬性的同時還能夠保證聚類結(jié)果的可用性;另一方面,如何將差分隱私技術保護的K-means聚類算法與RBM結(jié)合設計出一個全新的推薦算法,主要研究工作包括:(1)針對K-means聚類算法中的用戶隱私信息泄露問題,本文提出了一種通過聚類合并與適應性添加噪聲的高效差分隱私K-means聚類算法。設計思路為:首先,在數(shù)據(jù)集中選出多于指定聚類個數(shù)的數(shù)據(jù)點作為初始聚類中心點;然后,在每次迭代優(yōu)化中心點過程中加入適應性的噪聲;最后,待聚類穩(wěn)定后...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 K-means聚類算法
        1.2.2 差分隱私
        1.2.3 推薦系統(tǒng)
    1.3 本文研究內(nèi)容與目標
    1.4 章節(jié)安排
第二章 基礎知識
    2.1 K-means聚類算法
        2.1.1 基本K-means聚類算法的實現(xiàn)
        2.1.2 K-means聚類算法的評價指標
    2.2 差分隱私
        2.2.1 差分隱私保護模型概述
        2.2.2 差分隱私理論基礎
        2.2.3 差分隱私的兩種框架
    2.3 推薦系統(tǒng)
        2.3.1 推薦系統(tǒng)簡介
        2.3.2 推薦系統(tǒng)評價標準
    2.4 本章小結(jié)
第三章 差分隱私保護的K-means聚類算法
    3.1 改進的K-means聚類算法
    3.2 安全需求和設計目標
        3.2.1 安全需求
        3.2.2 設計目標
    3.3 DP-KCCM算法設計
        3.3.1 DP-KCCM方案總體流程設計
        3.3.2 DP-KCCM詳細步驟設計
    3.4 隱私性分析
    3.5 實驗結(jié)果分析
        3.5.1 實驗數(shù)據(jù)集
        3.5.2 實驗參數(shù)設計
        3.5.3 實驗結(jié)果評估
    3.6 本章小結(jié)
第四章 差分隱私K-means聚類與RBM結(jié)合的電影推薦算法
    4.1 受限玻爾茲曼機(RBM)
    4.2 設計目標與思路
        4.2.1 設計目標
        4.2.2 設計思路
    4.3 方案設計
        4.3.1 總體方案模型
        4.3.2 詳細步驟設計
    4.4 實驗結(jié)果分析
        4.4.1 實驗數(shù)據(jù)集
        4.4.2 實驗參數(shù)設計
        4.4.3 實驗結(jié)果評估
    4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間參與的科研項目和取得的學術成果
致謝



本文編號：3979327