关于匿名数据分类技术研究.pdf

内蒙古科技大学硕士学位论文


基于匿名数据分类技术研究
论文题目:


作者:_________________________张日初









指导教师: 张晓琳教授单位: 内蒙古科技大学
协助指导教师: 单位:
单位:
论文提交日期:2011 年 06 月 17 日
学位授予单位:内蒙古科技大学
基于匿名数据分类技术研究

Research of classification based on anonymized data





研究生姓名:张日初
指导教师姓名:张晓琳
内蒙古科技大学信息工程学院
包头 014010,中国


Candidate: Zhang Ri-chu
Supervisor: Zhang Xiao-lin
School of Information Engineering
Inner Mongolia University of Science and Technology
Baotou 014010,
独创性说明

本人郑重声明:所呈交的论文是我个人在导师指导下进行的研究工
作及取得研究成果。尽我所知,除了文中特别加以标注和致谢的地方
外,论文中不包含其他人已经发表或撰写的研究成果,也不包含为获得
内蒙古科技大学或其他教育机构的学位或证书所使用过的材料。与我一
同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并
表示了谢意。

签名:___________ 日期:____________




关于论文使用授权的说明

本人完全了解内蒙古科技大学有关保留、使用学位论文的规定,
即:学校有权保留送交论文的复印件,允许论文被查阅和借阅;学校可
以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保
存论文。
(保密的论文在解密后应遵循此规定)

签名:___________ 导师签名:___________ 日期:____________
内蒙古科技大学硕士学位论文
摘要
随着信息技术,特别是数据库技术的飞速发展,海量数据的收集、管理和分
析变得越来越方便。包括分类挖掘在内的各种数据挖掘技术,在一些深层次的应
用中发挥了非常积极的作用。但与此同时,也带来了隐私保护方面的诸多问题。
数据挖掘技术在获得巨大利益的同时,由于被挖掘的信息或数据包含着很多个人
的隐私信息,如果把这些数据库的真实数据直接交给数据挖掘者,难免会产生隐
私泄露。于是,如何在数据挖掘的过程中解决好隐私信息保护的问题,成为了数
据挖掘界的一个研究热点。
分类技术是数据挖掘中一个研究的热点问题。现有的分类算法有:决策树分
类法、最近邻法、神经网络、支持向量机分类法和贝叶斯分类法。
上述这些算法中很多都是基于传统数据的分类算法,极易泄露隐私信息。随
着对不确定数据逐步深入的研究,不确定数据挖掘已经成为数据挖掘中的一个热
点。传统的分类方法扩展到不确定数据领域已经是一种趋势。课题重点研究了基
于匿名数据的分类问题,通过 k-匿名把传统数据建模成不确定数据。提出用匿名
数据来建立分类器的方法。在方法中,不假设任何数据的概率分布。相反,在这
些匿名数据之间建议收集所有可能的统计数据,并且作为新的属性和匿名数据一
起发布。这些新属性包括每个数值 QI 属性的期望值和方差以及分类 QI 属性的概
率密度函数。这样每个核函数能很容易计算。最后,利用分类器对匿名数据进行
分类。
提出的分类算法是 KCNN-SVM 分类法,实现了匿名数据分类,改进了 SVM 分
类在建立分类模型时对于边界点的混淆,使分类模型更加精确,实验结果表明分
类精度得到了提高。












关键词:隐私保护;匿名数据分类;KCNN-SVM

I
内蒙古科技大学硕士学位论文
Abstract
With the rapid development of information technology, especially the development of
database technology, the collection, management and analysis of the massive data e
convenient. Various data mining techniques including the clas