-
题名基于属性分割的差分隐私高维数据发布方法
- 1
-
-
作者
张衡
胡婉如
-
机构
辽宁大学
-
出处
《现代电子技术》
北大核心
2025年第18期114-118,共5页
-
文摘
针对高维数据发布过程中数据可用性下降的问题,提出一种差分隐私高维数据发布方法。该方法以属性分割技术为基础,以差分隐私(DP)算法为理论指导,基于属性敏感度对高维数据集进行划分,利用信息熵和最大信息系数识别属性的敏感性和属性间的依赖关系;再根据数据集的敏感程度,将其分为敏感、一般敏感、低敏感数据集三种类型。创建差分隐私的贝叶斯网络,基于属性簇的隐私预算生成加噪条件发布,完成高维数据在差分隐私机制下的安全共享。实验结果显示,所提方法不仅有效控制了隐私泄露风险,还能够较好地保持数据的可用性。
-
关键词
属性分割
差分隐私算法
高维数据
数据发布
贝叶斯网络
隐私预算
敏感度
-
Keywords
attribute segmentation
differential privacy
high dimensional data
data dissemination
Bayesian network
privacy budget
sensitivity
-
分类号
TN911.23-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于属性分割的产生式/判别式混合分类器
被引量：1
- 2
-
-
作者
石洪波
柳亚琴
-
机构
山西财经大学信息管理学院
-
出处
《计算机应用研究》
CSCD
北大核心
2012年第5期1654-1658,共5页
-
基金
国家自然科学基金资助项目(60873100)
山西省自然科学基金资助项目(2009011017-4)
-
文摘
为了利用产生式和判别式方法各自的优势,研究了基于属性分割的产生式/判别式混合分类模型框架,提出了一种基于属性分割的产生式/判别式混合分类器学习算法GDGA。其利用遗传算法,将属性集X划分为两个子集XG和XD,并相应地将训练集D垂直分割为两个子集DG和DD,在两个训练子集上分别学习产生式分类器和判别式分类器;最后将两个分类器合并形成一个混合分类器。实验结果表明,在大多数数据集上,混合分类器的分类正确率优于其成员分类器。在训练数据不足或数据属性分布不清楚的情况下,该混合分类器具有特别的优势。
-
关键词
分类
产生式
判别式
属性分割
遗传算法
-
Keywords
classification
generative
discriminative
attributes partitioning
genetic algorithms
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于SVM最优决策面的决策树构造
被引量：18
- 3
-
-
作者
李荣雨
程磊
-
机构
南京工业大学计算机科学与信息技术学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2016年第3期342-351,共10页
-
基金
江苏省高校自然科学基金(12KJB510007)项目资助
-
文摘
针对决策树与SVM算法融合问题,提出一种基于SVM最优决策面(ODS)构造决策树的方法。通过研究ODS形状位置特征与其属性分类能力的关系以及属性分割点的数目、位置与决策树大小、分类误差的关系,给出基于ODS形状位置特征的属性重要性度量方法与属性最小分割点数的确定方法,进而得出了ODS逼近决策树决策面的误差模型,最终实现ODS对决策树决策面的有效逼近,并用于多类别决策树的构造。典型数据集的计算结果表明,与C4.5算法相比,所提出的决策树构造方法平均分类误差可减少60%以上,显著提高了决策树的泛化能力。
-
关键词
决策树
支持向量机
最优决策面逼近
属性重要性度量
属性分割优化
-
Keywords
decision tee
SVM
approximation of optimal decision surface
measure of attribute importance
opti mization of attribute splitting
-
分类号
TN06
[电子电信—物理电子学]
-
