期刊文献+

基于奇异值分解的银行客户数据隐私保护算法研究

下载PDF
导出
摘要 如何在保护客户数据隐私的前提下进行有效的数据挖掘,已经成为金融业数据挖掘领域的重要课题。用矩阵的奇异值分解进行数据扰动,不仅能消除数据噪音,还能获得准确的聚类效果。本文提出了一种奇异值分解的聚类算法,实验表明算法能有效的保护客户数据隐私,而且保留了聚类分析的准确特征。
作者 季文韬 魏巍
出处 《电子技术与软件工程》 2017年第4期228-229,共2页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
  • 相关文献

参考文献2

二级参考文献15

  • 1李蒙,宋翰涛.数据挖掘中隐私保护的随机化处理方法[J].计算机工程与科学,2005,27(2):58-59. 被引量:6
  • 2JiaweiHan MiehelineKamber.数据挖掘:概念与技术[M].机械工业出版社,2001.237-251. 被引量:51
  • 3蔡士杰.计算机图形学[M].北京:电子工业出版社,1998-04.56. 被引量:5
  • 4L Brankovic,V Estivill-Castro.Privacy Issues in Knowledge Disco-very and Data Mining[C].Melbourne,Victoria,Australia:Proc.of Australian Institute of Computer Ethics Conference,1999. 被引量:1
  • 5W Klsgen.Anonymization Techniques for Knowledge Discovery in Databases[C].Montreal,Canada:Proc.of the 1st International Conference on Know-ledge Discovery and Data Mining (KDD-95),1995.186-191. 被引量:1
  • 6M K Reiter,A D Rubin.Crowds:Anonymity for Web Transactions[J].The ACM Transactions on Information and System Security,1998,1(1):66-92. 被引量:1
  • 7P Samarati.Protecting Respondents' Identities in Microdata Release[J].IEEE Transactions on Knowledge and Data Engineering,2001,13(6):1010-1027. 被引量:1
  • 8[EB/OL] http://www.cs.waikato.ac.nz/ml/weka/index.html. 被引量:1
  • 9S R M Oliveira, O R ZaYane. Privacy Preserving Clustering by Data Transformation[C]. Manaus: Proc. of the 18th Brazilian Symposium on Databases, 2003. 304-318. 被引量:1
  • 10Richard A, Moore Jr. Controlled Data-swapping Techniques for Masking Public Use Microdata Sets[R]. Statistical Research Division Report Series RR 96-04, U.S. Bureau of the Census, Washington,DC, 1996. 被引量:1

共引文献8

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部