典型文献
K-means‖隐私保护聚类算法
文献摘要：
针对异常离群点对k-means‖算法的聚类精确度影响较大且在确定中心点过程中会泄露聚类数据隐私的问题,提出DPk-means‖算法.标记离群点,降低离群点对k-means‖算法聚类精确度的影响,将差分隐私应用于k-means‖聚类算法中保护聚类数据隐私.在选择聚类初始中心点和迭代求取均值中心点的过程中,应用拉普拉斯机制注入噪声,解决数据隐私泄露的问题.通过隐私预算动态变化对聚类结果准确性的影响及同类算法对比实验分析验证,DPk-means‖算法能够提供更高的隐私保护水平且保证聚类结果的准确性.
文献关键词：
聚类精确度;并行化k均值;离群点;拉普拉斯机制;差分隐私
中图分类号：
作者姓名：
郑剑;冷碧玉
作者机构：
江西理工大学 信息工程学院,江西 赣州 341000
文献出处：
引用格式：
[1]郑剑;冷碧玉-.K-means‖隐私保护聚类算法)[J].计算机工程与设计,2022(01):26-33
A类：
DPk
B类：
means,隐私保护,聚类算法,离群点,聚类精确度,点过程,聚类数,数据隐私,差分隐私,初始中心点,求取,拉普拉斯机制,隐私泄露,隐私预算,结果准确性,算法对比,分析验证,并行化
AB值：
0.265591
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
