差分隐私K-means聚类算法改进

作     者：郭如敏 陈学斌 单丽洋 GUO Rumin;CHEN Xuebin;SHAN Liyang

作者机构：华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210 唐山市数据科学重点实验室河北唐山063210 

基　　金：国家自然科学基金(U20A20179) 

出 版 物：《哈尔滨理工大学学报》 (Journal of Harbin University of Science and Technology)

年 卷 期：2024年第29卷第4期

页      码：21-28页

摘      要：针对差分隐私K-means聚类算法中心点选取的盲目性以及隐私预算分配不合理导致聚类效果差的问题,对差分隐私K-means算法进行改进。依据初始中心点选取的两个原则,设计一种新的中心点选取方案。依据原始K-means算法中质心与差分隐私K-means算法中质心的均方差,计算每一次迭代需要的隐私预算的最小值,与二分法结合,建立了一种新的隐私预算分配方案。通过在3个不同特征数据集上的对比实验,改进后的算法F-measure值提升14%,不仅降低了添加噪声对聚类效果的影响,而且保证了聚类效果的可用性。

主 题 词：隐私保护技术 K-means聚类 聚类算法 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.15938/j.jhust.2024.04.003

馆 藏 号：203156340...