期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于PSO的三参数威布尔分布参数的联合估计方法 被引量:10
1
作者 罗航 王厚军 +1 位作者 黄建国 龙兵 《仪器仪表学报》 EI CAS CSCD 北大核心 2009年第8期1604-1612,共9页
针对图估计及双线性回归估计存在的弊端,将双线性回归估计和极大似然估计(MLE)结合起来,形成一种对三参数威布尔分布参数的联合估计。详细分析了联合优化的核心工具——粒子群优化(PSO)算法的特点、实现和收敛指标,并对基于双线性回归... 针对图估计及双线性回归估计存在的弊端,将双线性回归估计和极大似然估计(MLE)结合起来,形成一种对三参数威布尔分布参数的联合估计。详细分析了联合优化的核心工具——粒子群优化(PSO)算法的特点、实现和收敛指标,并对基于双线性回归的初值获取作了分析。以仿真和实际例证为基础,详细评析了联合估计参数的优点和缺陷。结果表明:基于PSO优化的联合估计在一定程度上对三参数威布尔分布参数的搜索具有良好的性质,其具体体现为搜索准确和稳定。 展开更多
关键词 联合估计威布尔分布 粒子群优化 线性回归极大似然估计
在线阅读 下载PDF
基于联合树的高维数据本地化差分隐私保护算法
2
作者 程思源 龙士工 《计算机工程与设计》 北大核心 2024年第6期1601-1606,共6页
为解决发布高维数据过程中复杂的属性关联问题并避免中心服务器不可信任的问题,提出一种基于联合树的高维数据本地化差分隐私保护算法(JT-LDP算法)。基于不可信的中心服务器实现对用户数据的本地化差分隐私保护,中心服务器接收到用户本... 为解决发布高维数据过程中复杂的属性关联问题并避免中心服务器不可信任的问题,提出一种基于联合树的高维数据本地化差分隐私保护算法(JT-LDP算法)。基于不可信的中心服务器实现对用户数据的本地化差分隐私保护,中心服务器接收到用户本地化差分隐私保护的数据后,基于联合树算法识别高维数据的属性相关性,将高维数据属性集分割成多个独立的低维属性集。通过采样合成新的数据集进行发布。实验结果表明,JT-LDP算法在高维数据情况下具有更高的精度。 展开更多
关键词 高维数据 本地化差分隐私 联合 数据发布 联合分布估计 马尔可夫网 随机响应
在线阅读 下载PDF
基于马尔可夫聚类的隐私高维数据发布方法
3
作者 刘卓群 龙士工 +1 位作者 张珺铭 刘光源 《计算机工程与设计》 北大核心 2025年第1期117-123,共7页
针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化... 针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化差分隐私保护的数据后,构建无向依赖图矩阵表示高维数据的复杂的属性关联性,基于马尔可夫聚类将高维数据属性集分割成多个低维属性簇,利用EM算法计算低维属性簇和重叠属性簇的边缘分布、估计原始数据的联合分布,通过采样合成新的数据集进行发布。实验结果表明,所提出方法在发布高维数据集上有较好的精度、较少的迭代次数和较高的计算效率。 展开更多
关键词 高维数据 本地化差分隐私 马尔可夫聚类 数据发布 联合分布估计 属性关联性 数据合成
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部