隱私保護(hù)支持向量機的算法研究.pdf

1、支持向量機是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的新一代數(shù)據(jù)挖掘方法，在文字識別、手寫體識別、圖像分類、生物信息學(xué)等領(lǐng)域中獲得了較好的應(yīng)用。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)等方法相比，它具有泛化能力強、維數(shù)不敏感、收斂到全局最優(yōu)解等優(yōu)點，很好地解決了過學(xué)習(xí)、維數(shù)災(zāi)難、局部極值等問題，成為近幾年數(shù)據(jù)挖掘領(lǐng)域中的一個非?；钴S的研究方向。本文圍繞傳統(tǒng)支持向量機模型與算法在實際應(yīng)用中遇到的隱私保護(hù)問題，探討了垂直分布和水平分布數(shù)據(jù)下的隱私保護(hù)支持向量機算法。
　

2、　本文介紹了數(shù)據(jù)挖掘的概念、過程，介紹了支持向量機產(chǎn)生的背景、模型與算法及其算法的進(jìn)展情況，總結(jié)了支持向量機的優(yōu)點以及應(yīng)用領(lǐng)域，分析了支持向量機在實際應(yīng)用中存在的個人信息泄露問題。針對隱私保護(hù)支持向量機提出了垂直分布數(shù)據(jù)和水平分布數(shù)據(jù)的隱私保護(hù)算法。
　　首先，對SSP協(xié)議進(jìn)行擴展，提出了一個基于垂直分布數(shù)據(jù)的隱私保護(hù)支持向量機算法，這個算法具有更高的效率和更好的安全性，并且，通過左乘一個可逆矩陣的形式對數(shù)據(jù)進(jìn)行保護(hù)，得到了一個關(guān)