检索结果-南通市图书馆

支持本地化差分隐私保护的k-modes聚类方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2021年第2期48卷 105-113页

作者：彭春春陈燕俐荀艳梅南京邮电大学计算机学院、软件学院、网络空间安全学院南京210003

如何在保护数据隐私的同时进行可用性的数据挖掘已成为热点问题。鉴于在很多实际应用场景中,很难找到一个真正可信的第三方对用户的敏感数据进行处理,文中首次提出了一种支持本地化差分隐私技术的聚类方案——LDPk-modes(Local Differen... 详细信息

如何在保护数据隐私的同时进行可用性的数据挖掘已成为热点问题。鉴于在很多实际应用场景中,很难找到一个真正可信的第三方对用户的敏感数据进行处理,文中首次提出了一种支持本地化差分隐私技术的聚类方案——LDPk-modes(Local Differential Privacy k-modes)。与传统的基于中心化差分隐私的聚类算法相比,其不再需要一个可信的第三方对数据进行收集和处理,而由用户担任数据隐私化的工作,极大地降低了第三方窃取用户隐私的可能性。用户使用满足本地d-隐私(带有距离度量的本地差分隐私技术)定义的随机响应机制对敏感数据进行扰动,第三方收集到用户扰动数据后,恢复其统计特征,生成合成数据集,并进行k-modes聚类。在聚类过程中,将数据集上频繁出现的特征分配给初始聚类中心点,进一步提高了聚类结果的可用性。理论分析和实验结果表明了LDPk-modes的隐私性和聚类可用性。

关键词：本地化差分隐私 k-modes d-隐私聚类隐私保护

在线全文

学校读者我要写书评

暂无评论

k-modes聚类算法优化研究

K-Modes聚类算法优化研究

作者：贾彬北京工业大学

学位级别：硕士

聚类算法可以用于将整个样本集合划分为多个群落,从而发现有意义的样本群体。因此作为一种高效的数据分析工具,聚类算法早已成为国内外学者广泛研究的热点技术之一。Huang提出的k-modes聚类算法使用属性匹配度量公式拓展了k-Means聚类算... 详细信息

聚类算法可以用于将整个样本集合划分为多个群落,从而发现有意义的样本群体。因此作为一种高效的数据分析工具,聚类算法早已成为国内外学者广泛研究的热点技术之一。Huang提出的k-modes聚类算法使用属性匹配度量公式拓展了k-Means聚类算法,使其可以对无序型分类属性数据执行聚类分析。该算法使用的0-1简单匹配相异度度量方法弱化了类内同一维度属性下属性值之间的相似性,忽略了不同维度属性之间的差异性。单一属性值的聚类中心modes忽视了某一维度属性可能存在多属性值组合,且算法受初始中心点影响很大。以上问题都有可能导致分类数据的聚类效果较差。此外由于数据的爆炸式增长,串行执行的传统算法难以在有效时间内处理超大规模的数据集和超高维度的数据模型。Spark作为最新的大数据平台善于执行海量数据的分析任务,然而Spark现有的机器学习算法库中缺少分类数据的聚类算法,导致无法有效利用Spark平台处理海量分类数据的聚类问题。针对以上问题本文首先提出了一种MAV-k-modes聚类算法,使用基于预聚类的多属性值聚类中心modes初始化方法和基于多属性值聚类中心modes的相异度度量方法。其次本文在改进后的MAV-k-modes聚类算法基础上基于Spark平台对该算法进行并行化改造,并分别针对静态数据集和增量数据集提出了相应的设计方案。本文的主要研究内容有以下几点:(1)针对算法准确率问题,本文提出了一种基于多属性值聚类中心modes的MAV-k-modes聚类算法有效提升了无序型分类数据聚类结果的准确率。该算法使用基于预聚类的多属性值聚类中心modes初始化方法,减轻了算法受局部最优解的影响。使用的基于多属性值聚类中心modes的相异度度量方法改进了传统k-modes算法简单0-1匹配度量方法的缺点,有效防止了聚类过程中重要属性值丢失,强化了类内同一维度属性下属性值之间的相似性。使用信息熵理论计算不同维度属性的权重,强化了不同维度属性之间的差异性。(2)针对算法执行效率问题,本文基于Spark分布式计算平台提出了一种适用于静态数据集的并行MAV-k-modes聚类算法和一种适用于增量数据集的增量MAV-k-modes聚类算法。并行MAV-k-modes聚类算法在不影响聚类结果准确率的前提下,有效提升了处理海量分类数据的聚类算法执行效率。增量MAV-k-modes聚类算法在略微降低聚类结果准确率的前提下,有效提升了处理增量数据集的聚类算法执行效率。

关键词：无序型分类数据聚类算法 k-modes 大数据 Spark

基于k-modes的福建传统村落景观类型及其保护策略

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

中国农业资源与区划 2016年第8期37卷 142-149页

作者：李霄鹤兰思仁福建农林大学园林学院

福建传统村落景观具有历史悠久、风貌古朴、特色鲜明的地域特点,对其类型、分布及其典型特征的研究,是建设"乡愁"浓郁的"美丽乡村"和发挥福建传统村落历史价值和旅游价值的首要前提。首先借鉴相关研究学者对传统村落景观类型划分的研究... 详细信息

福建传统村落景观具有历史悠久、风貌古朴、特色鲜明的地域特点,对其类型、分布及其典型特征的研究,是建设"乡愁"浓郁的"美丽乡村"和发挥福建传统村落历史价值和旅游价值的首要前提。首先借鉴相关研究学者对传统村落景观类型划分的研究,基于福建传统村落景观的实地调研情况,构建了福建传统村落景观类型划分的指标体系。其次运用k-modes方法,以截止2013年12月31日前评选出的福建省内具有国家级、省级称号的54个历史文化名村为研究样本,对其进行分类研究。第三根据分类结果,分析出福建省内存在闽江以北(包括闽江流域)综合文化村落景观区域、闽西客家村落景观区域、闽南红砖文化村落景观区域3个传统村落景观区,其中又包含闽东多元文化村落景观亚区、闽中混合文化村落景观亚区、闽北山林文化村落景观亚区、闽西田园文化村落景观亚区、闽西土楼文化村落景观亚区5个传统村落景观亚区。最后,依据福建传统村落景观的分布及其典型特征,提出对福建传统村落景观保护与运用的策略,即以景观区域分布为基础,发挥地域特色;以整体性的景观为载体,营造地域氛围;以典型景观特征为优势,塑造地域精品。

关键词： k-modes 传统村落景观景观类型应用策略福建

面向不完备分类型矩阵数据的集对k-modes聚类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2021年第9期42卷 1837-1844页

作者：张春英高瑞艳王佳昊陈松刘凤春任静冯晓泽华北理工大学理学院河北唐山063210 华北理工大学迁安学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210

为了解决具有不完备、分类型矩阵数据集的聚类问题,同时考虑样本和类簇间的不确定关系,提出了一种面向不完备分类型矩阵数据的集对k-modes聚类算法.首先,基于集对信息粒的相关理论,定义了不完备矩阵样本间的集对距离度量方法;其次,考虑... 详细信息

为了解决具有不完备、分类型矩阵数据集的聚类问题,同时考虑样本和类簇间的不确定关系,提出了一种面向不完备分类型矩阵数据的集对k-modes聚类算法.首先,基于集对信息粒的相关理论,定义了不完备矩阵样本间的集对距离度量方法;其次,考虑样本和类簇间的不确定关系,给出了类内平均距离的定义和判断样本是否属于多个类簇的阈值计算公式,进而形成包含正同域,边界域和负反域的集对聚类结果;最后,通过选取的3个矩阵数据集与四个对比算法进行实验评价,实验结果表明集对k-modes聚类算法可以有效处理不完备分类型矩阵数据集,并且在准确率、召回率、调整兰德系数和标准化互信息等指标上均有良好的聚类性能.

关键词：不完备分类型矩阵数据集对信息粒 k-modes 集对距离集对k-modes

基于属性值权重的k-modes聚类分析及应用

在线全文

学校读者我要写书评

暂无评论

基于属性值权重的k-modes聚类分析及应用

作者：郝荣丽太原科技大学

学位级别：硕士

聚类分析是数据挖掘中的重要研究内容之一,其主要任务是将数据对象根据某种相似准则划分成多个簇,同一个簇中的对象之间具有较高的相似性,而不同簇中的对象具有较大的相异性。k-modes聚类分析作为一类分类数据聚类分析方法,存在着距离... 详细信息

聚类分析是数据挖掘中的重要研究内容之一,其主要任务是将数据对象根据某种相似准则划分成多个簇,同一个簇中的对象之间具有较高的相似性,而不同簇中的对象具有较大的相异性。k-modes聚类分析作为一类分类数据聚类分析方法,存在着距离度量不够准确,并且初始中心点的选取缺乏稳定性,严重影响聚类分析效果。本文采用属性值权重,对k-modes聚类分析中的距离度量、初始中心点选取及应用进行了深入研究。其主要研究成果如下:（1）给出了一种基于属性值权重的k-modes聚类分析算法。该算法在计算数据对象间的距离时,结合属性值在数据集中的分布特征与属性值自身的差异,重新定义了分类数据相异度度量公式,有效地解决了属性值之间的差异性度量;利用属性值频率和各属性值的权重,给出一种聚类中心更新途径,并给出了一种基于属性值权重的k-modes聚类分析算法;在UCI数据集上,实验验证了该方法能够有效地提高聚类分析的效果。（2）给出了一种基于距离和离群度的k-modes初始聚类中心点选择策略。该策略利用属性值权重,定义了数据对象离群程度度量公式,结合数据对象与已选中心点之间的距离,选取距离相对较远且离群度较低的数据对象为初始中心点。采用UCI数据集,实验验证了该策略的有效性。（3）依据上述的研究内容,采用python语言,设计与实现了基于k-modes的天体光谱数据聚类分析原型系统,并对其相应的功能图和软件系统结构等,给出了较详细描述。运行结果表明该原型系统可为天体光谱的知识发现,提供了一种有效的途径。

关键词： k-modes 属性值权重相异度度量离群度

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

一种改进的k-modes聚类算法

软件导刊 2019年第6期18卷 60-64,69页

作者：贾彬梁毅苏航北京工业大学信息学部

为了改善传统k-modes聚类算法相异度度量公式弱化了类内相似性,忽略了属性间差异,以及单一属性值的modes忽视了某一属性可能存在多属性值组合,且算法受初始中心点影响很大的缺点,基于多属性值modes的相异度度量方法提出MAV-k-modes算法... 详细信息

为了改善传统k-modes聚类算法相异度度量公式弱化了类内相似性,忽略了属性间差异,以及单一属性值的modes忽视了某一属性可能存在多属性值组合,且算法受初始中心点影响很大的缺点,基于多属性值modes的相异度度量方法提出MAV-k-modes算法,并采用一种基于预聚类的初始中心选取方法。使用UCI数据集进行实验,结果表明,MAV-k-modes算法相比于传统k-modes算法,其正确率、类精度和召回率都有明显提升,且MAV-k-modes算法适合于并行化改造。

关键词：聚类算法相异度度量初始中心点多属性值modes k-modes

在线全文

学校读者我要写书评

暂无评论

基于特征加权的k-modes聚类应用

中国科技信息 2007年第16期 271-272+275页

作者：吴艳文胡学钢王东波合肥工业大学计算机与信息学院 23000 合肥工业大学计算机与信息学院

在传统聚类中,各特征权重或均相同或需由专家给出,并在各分类中同等使用。针对特征权重在聚类中的重要性,突出各维特征对聚类的不同影响,为此提出一种权重自动生成,在动态聚类过程中得以优化,并且各子集中特征权重互不相同。通过IRIS真... 详细信息

在传统聚类中,各特征权重或均相同或需由专家给出,并在各分类中同等使用。针对特征权重在聚类中的重要性,突出各维特征对聚类的不同影响,为此提出一种权重自动生成,在动态聚类过程中得以优化,并且各子集中特征权重互不相同。通过IRIS真实测试实验,说明使用此特征加权聚类会提高聚类精确度。

关键词：聚类特征权重 k-modes 聚类精度

基于k-modes聚类算法的安徽历史文化名村分类及保护发展策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

华中建筑 2023年第1期41卷 23-27页

作者：张泉薛珊珊邹成东合肥工业大学建筑与艺术学院

以安徽省44个省级以上历史文化名村为研究对象,分析其空间分布特征与保护管理现状,并探讨影响其类型划分的具体因素。同时,借鉴学者关于历史文化名村和传统村落分类的研究,以地理条件、产业经济、社会生活、历史文化为主要维度,构建形... 详细信息

以安徽省44个省级以上历史文化名村为研究对象,分析其空间分布特征与保护管理现状,并探讨影响其类型划分的具体因素。同时,借鉴学者关于历史文化名村和传统村落分类的研究,以地理条件、产业经济、社会生活、历史文化为主要维度,构建形成安徽历史文化名村类型划分的指标体系。基于此,运用k-modes聚类算法,将安徽历史文化名村划分为生态宜居型、文旅资源型、特色民俗型、综合发展型四种类型,并总结各类历史文化名村的典型特征,进而提出相应的保护与发展策略。

关键词：历史文化名村 k-modes 聚类算法保护发展策略安徽

维普期刊数据库博看期刊

基于MapReduce的并行k-modes算法

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2015年第1期5卷 43-45页

作者：郭涛丁祥武东华大学计算机科学与技术学院上海201620

k-modes是一种代表性的分类数据的聚类算法。首先对k-modes聚类算法的实现过程进行了改进:通过在分配数据对象到簇时更新这个簇中各个属性项的次数,使得在遍历一次全部数据对象就能计算出新的簇中心。为了使k-modes能够处理大规模分类数... 详细信息

k-modes是一种代表性的分类数据的聚类算法。首先对k-modes聚类算法的实现过程进行了改进:通过在分配数据对象到簇时更新这个簇中各个属性项的次数,使得在遍历一次全部数据对象就能计算出新的簇中心。为了使k-modes能够处理大规模分类数据,在Hadoop平台上用MapReduce并行计算模型实现了k-modes算法。实验表明:在处理大量数据时,并行k-modes比串行k-modes极大地缩短了聚类时间,取得了较好的加速比。

关键词：分类数据 k-modes 并行聚类 MapReduce