基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
K-means算法具有简单、快速、易于实现等优点,被广泛应用于数据挖掘领域,但在聚类过程中容易造成隐私泄露.差分隐私对隐私保护做了严格定义,且能够对隐私保护量化分析.为解决差分隐私保护中K-means聚类算法在初始中心点选择上具有盲目性而造成聚类可用性低的问题,文章提出一种BDPK-means聚类算法,该算法利用距离与簇内误差平方和的方法选取合理的初始中心点进行聚类.理论分析证明,该算法满足 ε-差分隐私.实验证明,相同条件下与现有DPK-means算法相比,BDPK-means算法可提高聚类的可用性.
推荐文章
支持差分隐私保护及离群点消除的并行K-means算法
K-均值聚类
离群点消除
差分隐私
MapReduce
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
基于变异的k-means聚类算法
聚类
mk-means算法
变异
基于K-means聚类的数字半色调算法
数字半色调
K-means聚类
人类视觉模型
基于模型的最小平方法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于距离与误差平方和的差分隐私K-means聚类算法
来源期刊 信息网络安全 学科 工学
关键词 隐私保护 数据挖掘 差分隐私 K-means聚类 误差平方和
年,卷(期) 2020,(10) 所属期刊栏目 技术研究
研究方向 页码范围 34-40
页数 7页 分类号 TP309
字数 语种 中文
DOI 10.3969/j.issn.1671-1122.2020.10.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄保华 21 75 5.0 8.0
2 程琪 3 0 0.0 0.0
3 袁鸿 3 0 0.0 0.0
4 黄丕荣 3 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (118)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
隐私保护
数据挖掘
差分隐私
K-means聚类
误差平方和
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息网络安全
月刊
1671-1122
31-1859/TN
大16开
上海岳阳路76号4号楼211室
4-688
2001
chi
出版文献量(篇)
7165
总下载数(次)
26
总被引数(次)
26089
论文1v1指导