数据挖掘中的流形学习降维算法可以应用于图像分类等领域。提出一种面向图像分类的流形学习降维算法Mod-LLE(Modified Locally Linear Embedding)。该算法是针对高维数据的局部线性嵌入降维算法的改进,其整合了图像识别信息来更好地改...数据挖掘中的流形学习降维算法可以应用于图像分类等领域。提出一种面向图像分类的流形学习降维算法Mod-LLE(Modified Locally Linear Embedding)。该算法是针对高维数据的局部线性嵌入降维算法的改进,其整合了图像识别信息来更好地改善优化效果,达到在处理过程中保证原始数据固有的拓扑组成结构。以标准数据集作为案例进行测试。图像分类功能测试与降维性能测试结果表明:该算法对于人脸图像的分类精度比较高,降维性能良好。展开更多
云服务器端的数据始终面临着巨大的安全威胁。提出一种云环境下图数据中带边权重的隐私保护方法 HEPP-GD(Homomorphic Encryption for Privacy Protect in Graph Data)。HEPP-GD采用Paillier同态加密体系对图数据的边权重进行加密,在云...云服务器端的数据始终面临着巨大的安全威胁。提出一种云环境下图数据中带边权重的隐私保护方法 HEPP-GD(Homomorphic Encryption for Privacy Protect in Graph Data)。HEPP-GD采用Paillier同态加密体系对图数据的边权重进行加密,在云服务器端计算图数据中顶点之间的最短距离,这样边权重隐私信息将不会被非法的获取,本地客户端保存自己的密钥使得加密后的信息在因特网上传输。建立了HEPP-GD实验环境.测试结果表明,在云服务器端的大规模的图数据情况下,HEPP-GD隐私保护方法可以利用很少的内存资源完成最短路径距离的计算,其安全性通过Paillier加密得到了保证。展开更多
文摘数据挖掘中的流形学习降维算法可以应用于图像分类等领域。提出一种面向图像分类的流形学习降维算法Mod-LLE(Modified Locally Linear Embedding)。该算法是针对高维数据的局部线性嵌入降维算法的改进,其整合了图像识别信息来更好地改善优化效果,达到在处理过程中保证原始数据固有的拓扑组成结构。以标准数据集作为案例进行测试。图像分类功能测试与降维性能测试结果表明:该算法对于人脸图像的分类精度比较高,降维性能良好。
文摘云服务器端的数据始终面临着巨大的安全威胁。提出一种云环境下图数据中带边权重的隐私保护方法 HEPP-GD(Homomorphic Encryption for Privacy Protect in Graph Data)。HEPP-GD采用Paillier同态加密体系对图数据的边权重进行加密,在云服务器端计算图数据中顶点之间的最短距离,这样边权重隐私信息将不会被非法的获取,本地客户端保存自己的密钥使得加密后的信息在因特网上传输。建立了HEPP-GD实验环境.测试结果表明,在云服务器端的大规模的图数据情况下,HEPP-GD隐私保护方法可以利用很少的内存资源完成最短路径距离的计算,其安全性通过Paillier加密得到了保证。
