声明
致谢
变量注释表
1 绪论
1.1 概述
1.2 国内外研究现状
1.3 本文的主要研究内容
1.4 本文的组织结构
2 隐私保护模型以及频繁项集挖掘方法
2.1 基于频繁项集的关联规则挖掘
2.2 频繁项集挖掘算法
2.2.1 Apriori算法
2.2.2 FP Growth算法
2.3 隐私保护模型
2.4 ε-差分隐私保护模型
2.4.1 Laplace 机制
2.4.2 指数机制
2.5 攻击模型
2.6 基于差分隐私的频繁项集挖掘
2.7 本章小结
3 构筑缩短数据集
3.1 一个新的事务缩短策略
3.2 去除由于事务缩短策略产生的冗余
3.3 实验与分析
3.3.1 实验设置
3.3.2 实验结果及分析
3.4 本章小结
4 带噪频繁项集挖掘
4.1 双支持度阈值
4.2 支持度修正策略
4.3 带噪频繁?项集挖掘
4.4.1 实验设置
4.4.2 实验结果与分析
4.5 本章小结
5 新算法的隐私性及有效性
5.1 新的基于差分隐私保护的频繁项集挖掘算法
5.2 新算法的隐私性
5.3 实验与分析
5.3.1 实验设置
5.3.2 实验结果与分析
5.4 本章小结
6 利用概念格提升挖掘效率
6.1 优化 Eclat算法
6.2 基于优化 Eclat挖掘模型的带噪频繁项集挖掘
6.3.1 实验设置
6.3.2 实验结果与分析
6.4 本章小结
7 总结与展望
7.1 总结
7.2 展望未来
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);