1 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文研究内容
1.4 论文组织结构
2 背景知识
2.1 差分隐私
2.2 分类与回归树
2.3 集成学习技术
2.4 本章小结
3 差分隐私约束下多方协作集成学习
3.1 问题描述及挑战
3.2 系统模型及假设
3.3 带差分隐私的多方协作集成学习框架
3.4 差分隐私约束下的分类与回归树算法
3.5 差分隐私约束下的随机森林算法
3.6 差分隐私约束下的自适应提升算法
3.7 模型融合
3.8 理论分析
3.9 实验结果
3.10 本章小结
4 实例研究——广告点击率预估
4.1 广告点击率简述
4.2 广告点击率的隐私保护研究成果
4.3 广告点击率预估
4.4 网络广告点击率预估系统
4.5 本章小结
5 总结与展望
5.1 主要总结
5.2 未来工作展望
致谢
参考文献
附录
A. 作者在攻读学位期间发表的论文目录:
B. 作者在攻读学位期间主持和参与的科研项目: