基于随机森林特征重要性的K-匿名特征优选

• 作者: 朱焱 黄梅
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 特征选择 K-匿名 随机森林 分类
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 算法
• 页码范围: 266-270
• 页数: 5页
• 分类号: TP309.2
• 字数: 4559字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.03.045

摘要

大数据时代,数据的共享与挖掘存在隐私泄露的安全隐患.针对使用K-匿名隐藏实现隐私保护会大幅降低数据分类挖掘性能问题,提出一种基于随机森林特征重要性的K-匿名特征选择算法(RFKA)用于分类挖掘.使用随机森林特征重要性度量特征的分类性能;采用前向序列搜索策略每次选择不破坏K-匿名且分类性能最大的特征加入特征子集;使用特征子集对应的数据集构建模型进行分类实验.实验结果表明,该算法能更有效地平衡K-匿名和分类挖掘性能,且算法运行效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱焱	西南交通大学信息科学与技术学院	33	248	8.0	14.0
2	黄梅	西南交通大学信息科学与技术学院	9	42	4.0	6.0