针对可还原数据扰动(retrievable general additive data perturbation,RGADP)算法在保护数据库隐私时会影响数据挖掘结果的问题,提出一种利用贝叶斯原理在扰动数据上进行分类的方法。该方法分析RGADP算法过程,利用贝叶斯原理,根据扰动...针对可还原数据扰动(retrievable general additive data perturbation,RGADP)算法在保护数据库隐私时会影响数据挖掘结果的问题,提出一种利用贝叶斯原理在扰动数据上进行分类的方法。该方法分析RGADP算法过程,利用贝叶斯原理,根据扰动数据推算原始数据的概率分布,用估算的概率分布重构数据,并对重构数据进行分类以提高分类的正确性。实验结果表明:该方法估算出的概率分布与原始数据概率分布接近,且重构数据的分类正确率相比扰动数据而言平均可提高4%以上,其更接近原始数据的分类正确率,从而有效地降低了扰动算法对数据分类的影响;该方法的运行时间与数据量和数据分组数成正比,重构10 000条数据的运行时间在200ms以内,因此该方法也具有较高的效率。展开更多
电动汽车电驱动系统高频加速噪声严重影响整车声品质。为此,通过电驱动系统振动噪声试验,采集多工况加速噪声信号,并进行主、客观评价。结合相关性分析以心理声学参数为输入,通过改进的灰狼算法(improved gray wolf optimizer,IGWO)优...电动汽车电驱动系统高频加速噪声严重影响整车声品质。为此,通过电驱动系统振动噪声试验,采集多工况加速噪声信号,并进行主、客观评价。结合相关性分析以心理声学参数为输入,通过改进的灰狼算法(improved gray wolf optimizer,IGWO)优化支持向量回归(support vector regression,SVR),建立IGWO-SVR模型用于电驱动系统声品质预测。引入互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与信号的均方根值(root mean square,RMS),提取电驱动系统加速噪声的CEEMD-RMS特征,并建立以CEEMD-RMS为输入的IGWO-SVR声品质预测模型。检验结果表明:以CEEMD-RMS特征为输入的声品质预测模型,预测效果较以心理声学参数为输入的IGWO-SVR模型更优,测试集平均相对误差由8.88%减小为4.18%。展开更多
文摘针对可还原数据扰动(retrievable general additive data perturbation,RGADP)算法在保护数据库隐私时会影响数据挖掘结果的问题,提出一种利用贝叶斯原理在扰动数据上进行分类的方法。该方法分析RGADP算法过程,利用贝叶斯原理,根据扰动数据推算原始数据的概率分布,用估算的概率分布重构数据,并对重构数据进行分类以提高分类的正确性。实验结果表明:该方法估算出的概率分布与原始数据概率分布接近,且重构数据的分类正确率相比扰动数据而言平均可提高4%以上,其更接近原始数据的分类正确率,从而有效地降低了扰动算法对数据分类的影响;该方法的运行时间与数据量和数据分组数成正比,重构10 000条数据的运行时间在200ms以内,因此该方法也具有较高的效率。
