基于聚类的增强L-多样性模型实现算法

• 作者: 于旭 原永滨 杨静
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 隐私保护 l-多样性模型 数据相似性 约束聚类 数据概化
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1848-1851
• 页数: 4页
• 分类号: TP309
• 字数: 4039字
• 语种: 中文

摘要

传统l-多样性模型实现方法或者效率较低,或者信息损失较大,针对这种不足,提出一种改进的基于聚类的l-多样性模型实现算法.该算法首先计算准标识符集合中各属性的方差,其次根据方差确定不码属性在数据相似性计算中的权重,再次根据数据之间的相似性进行约束聚类,最后对同一簇数据进行数据概化,实现l-多样性模型.仿真实验结果表明本文算法可以以较小的数据信息损失和较快的运行效率实现l-多样性模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
2	原永滨	哈尔滨工程大学计算机科学与技术学院	6	42	4.0	6.0
4	于旭	青岛科技大学信息科学与技术学院	5	22	3.0	4.0