| 增量式隐私保护数据挖掘研究* |
| |
| 引用本文： | 程舒通,徐从富,但红卫. 增量式隐私保护数据挖掘研究*[J]. 计算机应用研究, 2018, 35(7) |
| |
| 作者姓名： | 程舒通 徐从富 但红卫 |
| |
| 作者单位： | 浙江大学计算机科学与技术学院,浙江大学计算机科学与技术学院,浙江大学计算机科学与技术学院 |
| |
| 摘 要： | 描述隐私保护数据挖掘技术研究进展,对主流算法进行了分类。由于隐私保护关联规则挖掘算法EMASK对Apriori算法具有较高的依赖性,计算效率较低,同时也不适用于动态变化数据库。本文用粒度计算的思想对EMASK算法进行改进,利用位操作的方法来保证准确性不降低的情况下,减少了I/O操作的次数,降低空间开销,同时在生成频繁项集的时候,也记录了其在扭曲后数据中的支持度,减少了文件的访问次数,由此提高计算效率。针对现实世界事务数据库变化情况,利用增量式更新算法FUP技术解决增量式事务数据库频繁项集计算问题。结果证明,无论是固定增量集数据库还是可变增量集数据库处理中,BIEMASK相对于EMASK而言,效率时间都有较大幅度的提高。
|
| 关 键 词： | 隐私保护 频繁模式 知识粒度 增量式 |
| 收稿时间： | 2017-03-25 |
| 修稿时间： | 2018-05-25 |
Research on Incremental Privacy Preserving Data Mining |
| |
| chengshutong,XuCongfu and DanHongwei. Research on Incremental Privacy Preserving Data Mining[J]. Application Research of Computers, 2018, 35(7) |
| |
| Authors: | chengshutong XuCongfu DanHongwei |
| |
| Affiliation: | Department of Computer Science of Technology College, Zhejiang University,, |
| |
| Abstract: | |
| |
| Keywords: | privacy preserving frequent pattern knowledge granularity incremental |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
