摘要：现有基于ε-差分隐私模型的频繁模式挖掘算法存在全局敏感度过高与挖掘结果可用性较低的不足.设计一个基于事务截断的差分隐私频繁模式挖掘算法.算法首先采用基于指数机制的事务截断思想,对长事务进行截断处理,以有效降低算法的全局敏感度,并在此基础上提出基于事务截断的差分隐私频繁模式挖掘算法,而后提出可用于扩充Apriori算法候选集的最小噪声支持度标准,以进一步提升挖掘结果的可用性.实验对本文算法的频繁模式挖掘结果与同类算法进行比较分析.实验结果表明,本文算法可在满足ε-差分隐私的前提下,保证挖掘结果具有较高的可用性.

摘要：函数是C++程序设计教学的重要部分,利用函数定义选定的形参可以是基本类型变量或对象、引用形式、指针变量或数组三种形式,因此对应函数参数传递的方法有传值法、传引用法以及传地址法。通过对函数定义和函数参数传递方法的分析,结合教学实际设计容易理解适用于理论课和上机实训课的教学过程,并做出相应的教学提示,归纳总结函数编程时参数选择的方法和教学体会。