具有隐私保护功能的知识迁移聚类算法

• 作者: 王士同 陈爱国
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 知识迁移 隐私保护 聚类算法 模糊C均值
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 论文
• 页码范围: 523-531
• 页数: 9页
• 分类号: TP391
• 字数: 7088字
• 语种: 中文
• DOI: 10.11999/JEIT150645

摘要

传统聚类算法在数据量不足或数据被污染的场景下聚类效果较差,针对此问题,在经典模糊C均值(FCM)技术的基础上,该文提出融合历史类中心和历史隶属度两类知识迁移机制的聚类算法.该算法通过有效利用历史数据中总结得到的辅助知识来指导当前由于数据不足或数据污染带来的聚类困难问题,从而提高聚类效果.同时,由于该算法仅利用历史数据的类中心和隶属度,对历史数据具有隐私保护的优点.通过在模拟数据集和真实数据集上的仿真实验,证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	陈爱国	江南大学数字媒体学院	14	54	5.0	7.0