检索结果-南通市图书馆

海洋预报 2023年第1期40卷 101-108页

作者：张海燕胡金磊姚小娟赖志娟庄桦自然资源部南海预报减灾中心广东广州510310 自然资源部海洋环境探测技术与应用重点实验室广东广州510310

利用中国气象局39 a的热带气旋资料,结合多元线性回归和自回归方法,构建了一个考虑登陆华南热带气旋年频数多时间尺度特性的组合预测模型。该组合模型能较好地拟合1980—2012年登陆华南热带气旋年频数实况,拟合相关系数达0.93,平均绝对... 详细信息

利用中国气象局39 a的热带气旋资料,结合多元线性回归和自回归方法,构建了一个考虑登陆华南热带气旋年频数多时间尺度特性的组合预测模型。该组合模型能较好地拟合1980—2012年登陆华南热带气旋年频数实况,拟合相关系数达0.93,平均绝对误差为0.57个,平均相对误差为12.7%。利用该模型对2013—2018年进行后报试验,平均绝对误差为0.61个,平均相对误差为12.4%。

关键词：华南登陆热带气旋多时间尺度频数预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于分形方法的装备故障频数预测

引用

火炮发射与控制学报 2008年第2期29卷 63-66页

作者：张天文袁山增杨济淮何红防空兵指挥学院河南郑州450052

针对包络灰预测方法预测精度较低和Verhulst灰色预测模型计算过程复杂的情况,提出了预测装备故障频数的分形方法。在介绍有关分形理论的基础上,针对实际应用中分形维数不恒定的问题,将变维分形的概念引入到装备故障频数预测中。通过分... 详细信息

针对包络灰预测方法预测精度较低和Verhulst灰色预测模型计算过程复杂的情况,提出了预测装备故障频数的分形方法。在介绍有关分形理论的基础上,针对实际应用中分形维数不恒定的问题,将变维分形的概念引入到装备故障频数预测中。通过分形变换,采用各阶累计和的方法将原始数据变换后可以用分形分布来处理,进而构建变维分形的预测模型。利用建立的模型对装备故障频数进行了预测,实例验证其预测精度达到99.78%。结果表明,该方法对装备故障频数的预测具有一定的借鉴意义。

关键词：应用统计数学分形方法分形分布模型装备故障频数变维分形频数预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种基于本地化差分隐私保护的高效用朴素贝叶斯分类方案

引用

南京邮电大学学报（自然科学版） 2022年第3期42卷 100-112页

作者：王慧婷陈燕俐彭春春南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

针对现有的基于本地差分隐私的朴素贝叶斯分类方案存在计算、通信开销较高,以及采样率过低引起采样误差的问题,设计了一种满足本地差分隐私的频数预测算法,并将其应用于基于本地差分隐私的朴素贝叶斯分类器的训练。该频数预测算法的扰... 详细信息

针对现有的基于本地差分隐私的朴素贝叶斯分类方案存在计算、通信开销较高,以及采样率过低引起采样误差的问题,设计了一种满足本地差分隐私的频数预测算法,并将其应用于基于本地差分隐私的朴素贝叶斯分类器的训练。该频数预测算法的扰动机制基于指数机制设计,扰动输出的概率由效用函数决定,有效地提高了数据分类的效用。方案的用户端通过该扰动机制来完成本地隐私化的工作,服务器端通过收集用户扰动数据,对频数进行预测,恢复其统计特征。相较于传统的贝叶斯分类方案,不仅能够减少训练数据在收集过程中可能带来的隐私泄露问题,提高了分类准确率,而且降低了计算和通信开销。性能分析和实验结果验证了方案的隐私性、分类准确率以及有效性。

关键词：本地差分隐私频数预测朴素贝叶斯分类

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向本地化差分隐私保护的分类算法研究

面向本地化差分隐私保护的分类算法研究

引用

作者：王慧婷南京邮电大学

学位级别：硕士

随着数据挖掘技术的不断发展和广泛应用,大量敏感信息泄露的问题也随之而来,这将对用户造成无法估量的威胁和损失。因此,在进行数据挖掘和分析的同时,需要对用户提供的个人数据进行隐私保护。本地化差分隐私是一种基于失真的新型隐私保... 详细信息

随着数据挖掘技术的不断发展和广泛应用,大量敏感信息泄露的问题也随之而来,这将对用户造成无法估量的威胁和损失。因此,在进行数据挖掘和分析的同时,需要对用户提供的个人数据进行隐私保护。本地化差分隐私是一种基于失真的新型隐私保护技术,它继承了中心化差分隐私所具有的定量化隐私保护程度的基础上,转移了隐私保护机制的作用范围,将隐私化处理的过程从第三方收集者转移到每个用户的终端,从而消除了不可信第三方服务器带来的隐私泄露威胁,因此安全性更高,实用性更广。分类是数据挖掘研究的重点和热点之一,是一种通过训练已知类别数据集得到分类模型,并利用分类模型对未知类别数据进行分类预测的算法。然而,出于隐私考虑,许多数据所有者不愿与第三方分享原始数据,因此在分类算法中引入差分隐私的保护,设计满足隐私要求同时产生有效的分类结果的算法,已成为当前隐私保护研究的热点和难点之一。论文对面向本地化差分隐私的分类算法进行研究,主要工作成果包括以下三个方面:(1)针对目前基于本地化差分隐私的朴素贝叶斯分类算法存在计算开销和通信代价较高的问题,设计了一个新的针对分类数据的频数预测算法LDPbayes-FO。其次,将LDPbayesFO与朴素贝叶斯分类算法相结合,提出一种基于本地化差分隐私的朴素贝叶斯分类算法LDPBayes。算法将隐私化处理的过程放在了用户端,因此隐私保护的程度较高,且相较于其他基于本地差分隐私的朴素贝叶斯分类算法,LDPBayes的分类准确率更高,且时间性能更优。性能分析和实验结果说明算法的隐私性、分类准确率以及有效性。(2)针对目前基于本地化差分隐私的均值估计算法在多维数据集上均值估计效用较低的问题,提出了一种新的满足压缩的本地差分隐私的多维数值型数据均值估计算法CLDP-ME。算法通过引入压缩的本地差分隐私定义,使得扰动数据以更高的概率接近原始数据,有效提高对多维数据处理的估计精度,在隐私性和算法实用性之间达到更理想的平衡。在此基础上,设计了满足压缩的本地差分隐私保护的小批量梯度下降算法CLDP-GD,并应用在线性分类器的训练任务中,以保护用户的梯度数据不被泄露。同时,引入基于背景知识的攻击模型,通过观察攻击者的最大后验置信度来衡量隐私损失,使得算法的隐私参数设置无需依赖于实验或经验。性能分析和实验结果说明算法的隐私性、分类准确率以及可用性。(3)设计和开发了一个基于本地化差分隐私保护的分类算法原型系统,该系统集成了论文所提出的两个本地化差分隐私保护的分类算法。系统由用户管理模块、分类模型训练模块和分类模型测试模块组成。在该系统中,用户可选择不同的隐私保护分类算法、扰动机制和隐私参数。系统将根据用户的选择对指定的训练数据集进行隐私化处理,并生成分类器。用户可利用该分类器对给定的测试数据集或单条用户数据进行分类,并获取数据分类性能或分类结果反馈。

关键词：本地化差分隐私隐私保护分类算法频数预测均值估计

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：