声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：张岐山,郑丽君,
单位：福州大学经济与管理学院,福州350108；
关键词：隐私保护,V-GRAV算法,均衡接近度,信息损失,隐私泄露风险,
基金：国家自然科学基金青年项目(61300104)；福建省自然科学基金资助项目(2018J01791)；；
距离度量会影响微聚集算法的聚类效果，为了提高算法的隐私保护能力，采用灰关联分析中的均衡接近度替代V-MDAV算法中的欧氏距离度量记录间的距离，提出基于灰关联分析的V-MDAV算法，即V-GRAV算法。由于均衡接近度既包含灰关联度对整体接近性的测度，又具有均衡度对序列均衡性测度的特点，克服了欧氏距离受局部奇异值影响较大的问题，所以V-GRAV算法在保证信息损失与V-MDAV相近的同时，较大程度地降低隐私泄露风险，实验证明了算法的有效性。
来源：2020年第1期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。