差分隱私保護(hù)的K-means聚類算法及其在推薦系統(tǒng)中的應(yīng)用
發(fā)布時(shí)間:2024-05-21 00:11
在大數(shù)據(jù)時(shí)代,需要考慮的第一要?jiǎng)?wù)是如何正確合理的使用大數(shù)據(jù)給日常生活帶來便利,同時(shí)還需要考慮信息泄露的問題。推薦系統(tǒng)在一定程度上解決了大數(shù)據(jù)帶來的信息過載問題,而差分隱私技術(shù)則可以達(dá)到信息保護(hù)的目的。本文設(shè)計(jì)了差分隱私保護(hù)的K-means聚類算法,它利用差分隱私技術(shù)解決K-means聚類中用戶隱私泄露的問題。此外,將差分隱私保護(hù)的K-means聚類算法與RBM算法結(jié)合設(shè)計(jì)出推薦系統(tǒng),解決大數(shù)據(jù)時(shí)代的信息過載問題。通過調(diào)研了已有的差分隱私K-means聚類算法和相應(yīng)的推薦算法,重點(diǎn)考慮了兩方面的內(nèi)容。一方面,如何將差分隱私技術(shù)應(yīng)用到K-means聚類中保護(hù)用戶隱私屬性的同時(shí)還能夠保證聚類結(jié)果的可用性;另一方面,如何將差分隱私技術(shù)保護(hù)的K-means聚類算法與RBM結(jié)合設(shè)計(jì)出一個(gè)全新的推薦算法,主要研究工作包括:(1)針對(duì)K-means聚類算法中的用戶隱私信息泄露問題,本文提出了一種通過聚類合并與適應(yīng)性添加噪聲的高效差分隱私K-means聚類算法。設(shè)計(jì)思路為:首先,在數(shù)據(jù)集中選出多于指定聚類個(gè)數(shù)的數(shù)據(jù)點(diǎn)作為初始聚類中心點(diǎn);然后,在每次迭代優(yōu)化中心點(diǎn)過程中加入適應(yīng)性的噪聲;最后,待聚類穩(wěn)定后...
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 K-means聚類算法
1.2.2 差分隱私
1.2.3 推薦系統(tǒng)
1.3 本文研究內(nèi)容與目標(biāo)
1.4 章節(jié)安排
第二章 基礎(chǔ)知識(shí)
2.1 K-means聚類算法
2.1.1 基本K-means聚類算法的實(shí)現(xiàn)
2.1.2 K-means聚類算法的評(píng)價(jià)指標(biāo)
2.2 差分隱私
2.2.1 差分隱私保護(hù)模型概述
2.2.2 差分隱私理論基礎(chǔ)
2.2.3 差分隱私的兩種框架
2.3 推薦系統(tǒng)
2.3.1 推薦系統(tǒng)簡介
2.3.2 推薦系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)
2.4 本章小結(jié)
第三章 差分隱私保護(hù)的K-means聚類算法
3.1 改進(jìn)的K-means聚類算法
3.2 安全需求和設(shè)計(jì)目標(biāo)
3.2.1 安全需求
3.2.2 設(shè)計(jì)目標(biāo)
3.3 DP-KCCM算法設(shè)計(jì)
3.3.1 DP-KCCM方案總體流程設(shè)計(jì)
3.3.2 DP-KCCM詳細(xì)步驟設(shè)計(jì)
3.4 隱私性分析
3.5 實(shí)驗(yàn)結(jié)果分析
3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
3.5.2 實(shí)驗(yàn)參數(shù)設(shè)計(jì)
3.5.3 實(shí)驗(yàn)結(jié)果評(píng)估
3.6 本章小結(jié)
第四章 差分隱私K-means聚類與RBM結(jié)合的電影推薦算法
4.1 受限玻爾茲曼機(jī)(RBM)
4.2 設(shè)計(jì)目標(biāo)與思路
4.2.1 設(shè)計(jì)目標(biāo)
4.2.2 設(shè)計(jì)思路
4.3 方案設(shè)計(jì)
4.3.1 總體方案模型
4.3.2 詳細(xì)步驟設(shè)計(jì)
4.4 實(shí)驗(yàn)結(jié)果分析
4.4.1 實(shí)驗(yàn)數(shù)據(jù)集
4.4.2 實(shí)驗(yàn)參數(shù)設(shè)計(jì)
4.4.3 實(shí)驗(yàn)結(jié)果評(píng)估
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與的科研項(xiàng)目和取得的學(xué)術(shù)成果
致謝
本文編號(hào):3979327
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 K-means聚類算法
1.2.2 差分隱私
1.2.3 推薦系統(tǒng)
1.3 本文研究內(nèi)容與目標(biāo)
1.4 章節(jié)安排
第二章 基礎(chǔ)知識(shí)
2.1 K-means聚類算法
2.1.1 基本K-means聚類算法的實(shí)現(xiàn)
2.1.2 K-means聚類算法的評(píng)價(jià)指標(biāo)
2.2 差分隱私
2.2.1 差分隱私保護(hù)模型概述
2.2.2 差分隱私理論基礎(chǔ)
2.2.3 差分隱私的兩種框架
2.3 推薦系統(tǒng)
2.3.1 推薦系統(tǒng)簡介
2.3.2 推薦系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)
2.4 本章小結(jié)
第三章 差分隱私保護(hù)的K-means聚類算法
3.1 改進(jìn)的K-means聚類算法
3.2 安全需求和設(shè)計(jì)目標(biāo)
3.2.1 安全需求
3.2.2 設(shè)計(jì)目標(biāo)
3.3 DP-KCCM算法設(shè)計(jì)
3.3.1 DP-KCCM方案總體流程設(shè)計(jì)
3.3.2 DP-KCCM詳細(xì)步驟設(shè)計(jì)
3.4 隱私性分析
3.5 實(shí)驗(yàn)結(jié)果分析
3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
3.5.2 實(shí)驗(yàn)參數(shù)設(shè)計(jì)
3.5.3 實(shí)驗(yàn)結(jié)果評(píng)估
3.6 本章小結(jié)
第四章 差分隱私K-means聚類與RBM結(jié)合的電影推薦算法
4.1 受限玻爾茲曼機(jī)(RBM)
4.2 設(shè)計(jì)目標(biāo)與思路
4.2.1 設(shè)計(jì)目標(biāo)
4.2.2 設(shè)計(jì)思路
4.3 方案設(shè)計(jì)
4.3.1 總體方案模型
4.3.2 詳細(xì)步驟設(shè)計(jì)
4.4 實(shí)驗(yàn)結(jié)果分析
4.4.1 實(shí)驗(yàn)數(shù)據(jù)集
4.4.2 實(shí)驗(yàn)參數(shù)設(shè)計(jì)
4.4.3 實(shí)驗(yàn)結(jié)果評(píng)估
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與的科研項(xiàng)目和取得的學(xué)術(shù)成果
致謝
本文編號(hào):3979327
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3979327.html
最近更新
教材專著