%0 Journal Article
%T 半监督聚类的匿名数据发布
%A 杨高明
%A 杨静
%A 张健沛
%J 哈尔滨工程大学学报
%D 2011
%R doi:10.3969/j.issn.1006-7043.2011.11.017
%X 为增强个体与隐私信息的保护力度, 提高数据效用和降低时间代价, 提出半监督聚类的(α, k)匿名模型, 并设计算法予以实现, 分析了算法时间复杂度. 针对数据集包含数值属性和分类属性的特点, 把数值属性和分类属性映射到相同的度量空间进行运算, 以相异矩阵表示数据集元组之间的距离, 使相同或者相近的元组有效地聚集到同一个簇内. 把高敏感度属性设置较高的保护度, 低敏感度设置较低的保护度, 实现了敏感属性的个性化保护. 实验结果表明, 半监督(α, k)匿名模型可安全且高效地实现隐私保护, 保证了发布数据的质量.
%K 数据发布
%K 隐私保护
%K 匿名数据
%K 半监督
%K 聚类
%U http://heuxb.hrbeu.edu.cn/oa/darticle.aspx?type=view&id=201101013