【摘 要】
：
频繁项集挖掘是一项重要的数据挖掘任务,具有广泛的应用.然而,如果输入数据集中包含用户敏感信息,直接发布或分享挖掘结果可能会造成严重的个人隐私泄露.为了解决上述问题,提出了一种两阶段的满足差分隐私的频繁项集挖掘算法(记为TPFIM).在算法的第一阶段中,为了发现数据集中的频繁项集,提出了一种基于指数机制的频繁项集确定方法.在算法的第二阶段中,为了计算所发现的频繁项集的噪音支持度,提出了一种基于网格的
【机 构】
：
北京邮电大学网络与交换技术国家重点实验室,北京100876
论文部分内容阅读
频繁项集挖掘是一项重要的数据挖掘任务,具有广泛的应用.然而,如果输入数据集中包含用户敏感信息,直接发布或分享挖掘结果可能会造成严重的个人隐私泄露.为了解决上述问题,提出了一种两阶段的满足差分隐私的频繁项集挖掘算法(记为TPFIM).在算法的第一阶段中,为了发现数据集中的频繁项集,提出了一种基于指数机制的频繁项集确定方法.在算法的第二阶段中,为了计算所发现的频繁项集的噪音支持度,提出了一种基于网格的噪音支持度计算方法.分析结果表明所提出的算法满足ε-差分隐私.实验结果表明,与现有算法相比,所提出的算法可以获得更好的数据效用.
其他文献
本报告将从响应机理、制备方式、基本性能、应用潜力四方面分别介绍pH、热,CO2及氧化还原(redox)四类智能粘弹性表面活性剂体系。表面活性剂发展的另一趋势是智能化，即其性能可随着坏境条件(pH,温度、电场、磁场、酶等)的微小变化而发生显著改变。近年，作者所在团队将环境刺激因子引入到粘弹性表面活性剂中，研制了系列具有环境刺激响应行为的智能粘弹性表面活性剂。
采用二甲胺(DMA)合成路线,以一异丙醇胺(MIPA)为溶剂进行N,N-二甲基一异丙醇胺(1DMA2P)的合成研究,并与二甲胺水溶液法合成试验结果进行了对比,结果显示,以一异丙醇胺作为溶剂在相同的反应温度及反应时间条件下,可显著提高环氧丙烷及二甲胺的转化率,同时对比了两种工艺条件下制备的N,N-二甲基异丙醇胺产品的色度稳定性,结果显示以一异丙醇胺作为溶剂的工艺制备的产品色度稳定性明显优于水溶液工艺
木质纤维素通过纤维素酶降解得到葡萄糖,再进一步转化成其他化学品和生物乙醇受到了研究者们广泛的关注,但是酶解效率不高和纤维素酶的用量大成了制约木质纤维素酶法降解的重要因素.实验通过酶解木质素接枝阴离子和阳离了基团合成了具有灵敏pH响应的木质素两性表面活性剂(TCSL-N25).TCSL-N25在木质纤维素酶解的pH(4.5-6.0)下溶解,在较低的pH(小于3.5)与溶液中的纤维素酶通过静电作用而沉
A facile and efficient approach for the synthesis of N-substituted 3-oxoisoindoline-1-carbonitrile derivatives has been developed, with a Sc(OTf)3-catalyzed three-component Strecker/ Lactamization cas
节点合作已经成为提高物理层安全传输性能的重要手段.本文基于协作干扰机制,研究在分布式的无线网络中,节点采取的交互与合作策略以提升其安全传输性能.将该问题建模成一个联盟形成博弈,并引入享乐设置,在此基础上提出一种分布式享乐博弈算法以获取稳定的联盟结构.仿真结果表明,相比于非合作及基于放大转发的博弈机制,本文所提出的合作博弈机制可以大幅提高网络用户的平均安全传输性能.
为解决背景建模等传统视频目标识别算法在内河水运复杂环境误差过大的问题,提出了甚高速区域卷积神经网络(Faster R-CNN,Faster Region Convolutional Neural Networks)的船舶识别检测方法.文中分析了传统方法不足,阐述了卷积神经网络及后续的区域卷积神经网络的机理,给出了甚高速区域卷积神经网络特征模型,解析了损失函数的参数构建、参数设定,设定候选区域网络(
为了在满足故障恢复时延的同时,均衡备份路径给网络带来的负载,本文提出了一种基于负载均衡的SDN数据平面故障恢复方法,该方法首先将网络中传输的数据流根据其对时延的要求进行分类;然后,确定具有负载调节功能的备份路径选取策略,并提出了基于负载均衡的故障恢复算法.仿真实验表明,当预配置的备份路径上负载加重时,本文的方法可以有效地均衡该负载,确保在故障恢复的同时实现链路资源的有效利用.
为了提高跌倒行为监测的准确率,减少突然下蹲等四种疑似跌倒行为造成的误报率,提出了一种基于滑动窗口异常数据提取的跌倒行为监测方法.该方法使用均值滤波法对原始三轴加速度数据进行降噪处理,为了消除手机方向性对跌倒监测的影响,将三轴加速度进行合成.利用滑动窗口技术为合成加速度数据生成一个窗口特征向量,通过计算相邻窗口特征向量间的相关系数来提取异常数据.利用决策树分类器对异常行为数据样本集进行分类,能够有效
UAV机载网络的性能紧密的依赖于所采用的移动模型中节点的移动方式,移动模型及其参数的选择也对其仿真结果具有重要意义.本文在三维高斯马尔科夫移动模型(3D-GMM)的基础上增加了基于访问密度的移动牵引,提出了一种基于访问密度的新型三维高斯马尔科夫移动模型(3D-VDGMM).仿真实验表明3D-VDGMM能够很好的对UAV的移动进行模拟,且相比于3D-GMM能够有更高的事件捕获率.
随着高铁的快速发展,铁路通信网络规模不断扩大,对网络通信可靠性提出了更高的要求.为了降低或者避免事故所带来的影响,需要及时检测、准确诊断并消除故障,提升系统的安全可靠性.因此根据通信网络故障诊断的特点,提出基于传统Petri网的改进算法应用到铁路通信故障诊断,不仅为网络故障诊断技术提供了新的解决方法，也为国家重大项目的实施奠定了技术基础。