-
题名基于差分隐私的非等距直方图发布算法
- 1
-
-
作者
单丽洋
陈学斌
郭如敏
-
机构
华北理工大学理学院
华北理工大学河北省数据科学与应用重点实验室
华北理工大学唐山市数据科学重点实验室
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2024年第6期1052-1063,共12页
-
基金
国家自然科学基金(No.U20A20179)资助。
-
文摘
针对直方图隐私泄露与分组数难以确定的问题,提出一种基于差分隐私的非等距直方图数据发布算法。首先,提出一种改进的定量化的综合评价指标,将直方图的分组评判标准定量化为特定的计算公式,以确定直方图最优分组数。然后,利用经验分布函数设计隐私预算分配方案,计算得出分组边界,从而构建非等距直方图。最后,根据非等距边界划分的分组,统计组内频数,对频数进行加噪,发布满足差分隐私的非等距直方图。实验结果表明,分组数的最优计算及非等距的实现,保证了直方图发布数据的准确性和隐私性,同时仍能保证直方图的分布特征不受影响,该文所提发布算法的均方误差与同类精确的直方图发布(accurate histogram publication, AHP)算法相比降低了99%。
-
关键词
非等距
直方图分组
差分隐私
隐私预算
-
Keywords
non-isometric
histogram grouping
differential privacy(DP)
privacy budget
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名基于平均极值包络线的地下管线去噪算法
被引量：1
- 2
-
-
作者
邹佳丽
李志猛
阎少宏
张俊卿
-
机构
华北理工大学理学院
华北理工大学河北省数据科学与应用重点实验室
华北理工大学唐山市数据科学重点实验室
唐山市中宇科技发展有限公司
-
出处
《华北理工大学学报（自然科学版）》
CAS
2023年第4期66-75,共10页
-
基金
国家自然科学基金(52074123)。
-
文摘
地下管道位置信息的真实性对管道安全检测具有决定性影响。在测量过程中由于受检测设备和管道内环境的影响,管道三维姿态测量仪会产生测量误差。针对此问题,提出一种基于平均极值包络线的地下管线去噪算法,该算法的核心思想是先提取局部极值点并采用三次B样条插值极值点形成极值包络线,再逐点平均包络线,最后通过迭代得到降噪后的曲线。实验结果表明,该算法可以保持数据原貌,有效解决数据偏移和曲线收缩等问题,对三维离散曲线去噪效果显著。用于地下管线去噪,可提高测量位置信息的真实性。
-
关键词
地下管道检测
三维离散曲线
去噪
滤波
平均极值包络线
-
Keywords
underground pipeline detection
3D discrete curve
denoising
wave filtering
average extremum envelope
-
分类号
TU990.3
[建筑科学—市政工程]
-
-
题名基于深度学习的联邦集成算法
- 3
-
-
作者
罗长银
陈学斌
宋尚文
张淑芬
刘之瑜
-
机构
华北理工大学理学院
华北理工大学河北省数据科学与应用重点实验室
华北理工大学唐山市数据科学重点实验室
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2022年第3期493-510,共18页
-
基金
国家自然科学基金(No.61572170,No.61170254,No.61379116)资助
-
文摘
联邦学习是多源隐私数据保护领域研究的热点,其框架在满足数据不出本地的情况下,可以训练出多方均满意的共同模型,但存在本地模型参数难以整合且无法在安全的情况下将多源数据充分使用的问题,因此提出基于深度学习的联邦集成算法,将深度学习与集成学习应用到联邦学习的框架下,通过优化本地模型的参数,提高了本地模型准确率;使用不同的集成算法来整合本地模型参数,在提升模型准确率的同时兼顾了多源数据的安全性。实验结果表明:与传统多源数据处理技术相比,该算法在mnist、digits、letter、wine数据集训练模型的准确率依次提升1%、8%、-1%、1%,在保证准确率的同时也提升多源数据与模型的安全性,具有很重要的应用价值。
-
关键词
联邦学习
联邦集成算法
深度神经网络模型
集成算法
深度学习
-
Keywords
federated learning
federated ensemble algorithm
deep neural network(DNN)model
ensemble algorithm
deep learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
