文摘
英文文摘
论文说明:图表目录
声明
第一章引言
1.1研究背景
1.2数据质景和隐私保护相关研究现状
1.2.1数据质量的定义
1.2.2数据质量整体框架研究现状
1.2.3数据质量技术研究现状
1.2.4基于隐私保护的数据挖掘研究现状
1.3聚类算法相关研究现状
1.3.1等级法(hierarchical method)
1.3.2划分法(partitioning method)
1.3.3基于密度的方法(density-based method)
1.3.4基于网格的方法(grid-based method)
1.3.5基于模型的方法(model-based method)
1.4分类预测相关研究现状
1.5本文工作
1.5.1 研究内容与成果
1.5.2组织结构
第二章连续分类预测一致性算法
2.1简介
2.2连续分类预测一致性定义
2.2.1连续函数定义
2.2.2连续分类一致性定义
2.3 SOM聚类算法中的连续分类一致性定义
2.3.1 SOM方法介绍
2.3.2关于SOM的连续分类一致性定义
2.4基于SOM连续分类一致性定义的分类算法
2.4.1 BP方法简介
2.4.2 基于SOM连续分类一致性定义的分类算法
2.4.3 问题定义和试验结果的对比分析
2.5连续分类预测一致性定义的分析
2.6结论和展望
第三章基于聚类加权的快速核办法
3.1引言
3.2相关工作
3.2.1核方法介绍
3.2.2基于聚类加权的快速核方法框架
3.3基于聚类加权的快速核Foley-Sammon变换(FCKFST)算法
3.3.1 Kernel Foley-Sammon Transform介绍
3.3.2 基于聚类加权的快述Foley-Sammon变换(FCFST)算法
3.3.3 基于聚类加权的快速Kernel Foley-Sammon变换(FCKFST)算法
3.3.4实验结果
3.4基于聚类加权的快速Kernel Principal Component Analysis(KPCA)算法
3.4.1 Kernel Principal Component Analysis介绍
3.4.2基于聚类的PCA方法
3.4.3 基于聚类加权的快速Kernel Principal Component Analysis (FKPCA)算法
3.4.4 实验结果
3.5理论分析
3.6 结论
第四章 基于偏离Gauss分布的变量聚类ICA方法
4.1引言
4.2等级聚类方法介绍
4.3 基于Parson Correlation 相关关系数的变量聚类ICA方法
4.4基于偏离Gauss分布的变量聚类ICA方法
4.4.1 基于偏离Gauss分布的变量聚类方法
4.4.2基于偏离Gauss分布的变量聚类ICA方法
4.5实验结果和分析
4.6结论
第五章基于反向分层变量聚类的数据库加速算法
5.1 引言
5.2问题描述
5.3 基于反向分层变量聚类的加速算法
5.4 实验结果
5.5结语
第六章基于等距加密和案例推理的旅游线路聚类算法
6.1引言
6.2相关工作
6.2.1基于案例推理
6.2.2基于隐私保护的数据挖掘
6.3基于旋转变换和案例推理的旅游线路聚类算法
6.3.1旋转变换加密算法
6.3.2 基于旋转变换和案例推理的旅游线路聚类算法
6.3.3安全性分析
6.4基于Johuson-Lindenstrauss随机映射和K-最近邻法的旅游线路分类算法
6.5基于流形学习和K-最近邻法的旅游线路分类算法
6.5.1流形学习的介绍
6.5.2 几种常见流形学习算法介绍
6.5.3 基于流形学习和K-最近邻法的旅游线路分类算法
6.6实验结果
6.6.1实际数据集
6.6.2实验过程和结果
6.7结束语
第七章结合先验知识和分形理论的水量预测算法
7.1改进嵌入维数和时间延迟计算的GP预测算法
7.1.1 GP算法
7.1.2 改进嵌入维数和时间延迟计算的GP预测算法
7.2结合先验知识和分形理论的水量预测算法
7.2.1 结合先验知识和分形理论的水量预测算法
7.2.2实验结果
7.3 结论和展望
第八章结论
参考文献
攻读博士学位期间的研究成果
致谢