基于概率论的隐私保持分类挖掘

• 作者: 李光 王亚东 苏小红
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 数据挖掘 隐私保持 数据扰动 随机噪声 决策树
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 博士论文
• 页码范围: 12-13,18
• 分类号: TP391.4
• 字数: 2960字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.03.005

摘要

在现有的基于数据扰动的隐私保持分类挖掘算法中,扰动数据和原始数据相关联,对隐私数据的保护并不完善,且扰动算法和分类算法耦合度高,不适合在实际中使用.为此,提出一种基于概率论的隐私保持分类挖掘算法.扰动后可得到一组与原始数据独立同分布的数据,使扰动数据和原始数据不再相瓦关联,各种分类算法也可直接应用于扰动后的数据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚东	哈尔滨工业大学计算机科学与工程系	92	1036	16.0	29.0
2	苏小红	哈尔滨工业大学计算机科学与工程系	152	1551	20.0	34.0
3	李光	哈尔滨工业大学计算机科学与工程系	10	90	6.0	9.0