-
题名改进成分分析的差分隐私高维数据发布方法
- 1
-
-
作者
褚治广
张兴
张青云
李晓会
李万杰
-
机构
辽宁工业大学电子与信息工程学院
-
出处
《计算机应用与软件》
北大核心
2023年第10期337-344,共8页
-
基金
辽宁省自然科学基金项目(20170540434)
国家自然科学基金项目(61802161)。
-
文摘
针对高维数据发布中“维度灾难”所导致发布结果可用性较差的问题,提出一种改进成分分析的差分隐私高维数据发布方法ICAHDP。ICAHDP通过引入属性重要度来优化PCA,利用优化算法对数据进行降维,减少时间和空间的开销。该算法在数据发布的过程中引入基于互信息的评价机制,确定最优的主成分个数。考虑到高维数据中可能存在多个敏感属性,ICAHDP引入敏感属性偏好,结合最优匹配理论,设计敏感属性分级保护策略来满足个性化的差分隐私保护策略。实验表明,ICAHDP不仅保证了发布数据的隐私性,而且很大程度地提升了数据的准确性和实用性。
-
关键词
高维数据
主成分优化
差分隐私
互信息
评价机制
-
Keywords
High-dimensional-data
Principal component analysis optimization
Differential privacy
Mutual information
Evaluation mechanism
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
-
题名利用CNN和PCA约束优化模型实现稀疏表示分类
被引量：1
- 2
-
-
作者
石亮
那天
宋晓宁
朱玉全
-
机构
江苏大学计算机科学与通信工程学院
江苏科技大学计算机学院
江南大学物联网工程学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2019年第4期503-512,共10页
-
基金
国家自然科学基金项目(61876072
61702234)
+5 种基金
国家重点研发计划子课题项目(2017YFC1601800)
中国博士后科学基金项目(2018T110441)
江苏省自然科学基金项目(BK20161135)
江苏省"六大人才高峰项目"(XYDXX-012)
江苏省普通高校学术学位研究生创新计划项目(KYZZ16_0337)
江苏省教育科学"十三五规划"2016年度课题项目(C-a/2016/01/22)~~
-
文摘
目的传统的稀疏表示分类方法运用高维数据提升算法的稀疏分类能力,早已引起了广泛关注,但其忽视了测试样本与训练样本间的信息冗余,导致了不确定性的决策分类问题。为此,本文提出一种基于卷积神经网络和PCA约束优化模型的稀疏表示分类方法(EPCNN-SRC)。方法首先通过深度卷积神经网络计算,在输出层提取对应的特征图像,用以表征原始样本的鲁棒人脸特征。然后在此特征基础上,构建一个PCA(principal component analysis)约束优化模型来线性表示测试样本,计算对应的PCA系数。最后使用稀疏表示分类算法重构测试样本与每类训练样本的PCA系数来完成分类。结果本文设计的分类模型与一些典型的稀疏分类方法相比,取得了更好的分类性能,在AR、FERET、FRGC和LFW人脸数据库上的实验结果显示,当每类仅有一个训练样本时,EPCNNSRC算法的识别率分别达到96. 92%、96. 15%、86. 94%和42. 44%,均高于传统的表示分类方法,充分验证了本文算法的有效性。同时,本文方法不仅提升了对测试样本稀疏表示的鲁棒性,而且在保证识别率的基础上,有效降低了算法的时间复杂度,在FERET数据库上的运行时间为4. 92 s,均低于一些传统方法的运行时间。结论基于卷积神经网络和PCA约束优化模型的稀疏表示分类方法,将深度学习特征与PCA方法相结合,不仅具有较好的识别准确度,而且对稀疏分类也具有很好的鲁棒性,尤其在小样本问题上优势显著。
-
关键词
稀疏表示
卷积神经网络
特征降维
主成分约束优化
人脸识别
-
Keywords
sparse representation
convolutional neural network
dimensionality reduction of features
PCA-constrained optimization
face recognition
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—控制科学与工程]
-
