检索结果-内蒙古大学图书馆

世界科学技术-中医药现代化 2024年第6期26卷 1608-1617页

作者：李瑞珍夏春明王忆勤许朝霞熊玉洁西北工业大学民航学院西安710129 华东理工大学机械与动力工程学院上海200237 上海工程技术大学电子电气工程学院上海201620 上海中医药大学上海市健康辨识与评估重点实验室/中医四诊信息化实验室上海201203

目的研究中医问诊策略,实现快速捕捉患者的关键病情信息,推进中医问诊客观化的发展。方法采用基于关联分析中频繁模式挖掘算法的症状提问模型,并使用交叉合并的方法建立中医单系统症状提问与多系统综合症状提问的中医症状问诊策略,达到... 详细信息

目的研究中医问诊策略,实现快速捕捉患者的关键病情信息,推进中医问诊客观化的发展。方法采用基于关联分析中频繁模式挖掘算法的症状提问模型,并使用交叉合并的方法建立中医单系统症状提问与多系统综合症状提问的中医症状问诊策略,达到通过最短的时间、最高的效率来获取到患者关键病情信息。结果实现了从单系统问诊到五系统综合问诊的突破,通过单系统与五系统两种症状提问模式实现了高效获取患者病情信息的过程,且对比传统量表提问方式,系统减少了65%的提问次数就可获取到患者92%的症状信息,大大提高了对患者症状信息获取的效率。结论在两种不同的症状提问模式下,打破了中医基于量表来询问患者的传统问诊模式,缩短了对患者症状获取的时间,简化了问诊流程,减少了由于经验不足或人为主观造成的差异,能够用于中医临床辅助诊断中。

关键词：中医问诊频繁模式挖掘算法症状关联性问诊策略

来源：评论

学校读者我要写书评

暂无评论

差分隐私下的频繁模式挖掘算法研究

差分隐私下的频繁模式挖掘算法研究

引用

作者：卢国庆中国科学院大学

学位级别：硕士

当今我们生活在数据时代。通过数据挖掘和机器学习能够从数据中获得大量有价值的知识。与此同时，数据亦是危险的“潘多拉之盒”，一旦泄漏用户的隐私将被侵犯。如何保护隐私数据成为当前面临的重大挑战。　　差分隐私作为一种新的隐私... 详细信息

当今我们生活在数据时代。通过数据挖掘和机器学习能够从数据中获得大量有价值的知识。与此同时，数据亦是危险的“潘多拉之盒”，一旦泄漏用户的隐私将被侵犯。如何保护隐私数据成为当前面临的重大挑战。　　差分隐私作为一种新的隐私保护技术，定义了一个相当严格的攻击模型，通过添加噪音使数据失真达到隐私保护的目的，能够防止攻击者拥有任意背景知识下的攻击。实施差分隐私主要考虑两个方面的问题:(1)如何保证设计的算法满足差分隐私，以确保不泄露隐私;(2)如何减少数据失真带来的误差，以提高数据可用性。　　目前差分隐私的应用研究主要集中在两个方向:数据发布和数据分析。频繁模式挖掘是一项重要的数据挖掘任务，是数据分析的基础。然而，频繁模式本身和相应计数信息都有可能泄露用户的隐私。差分隐私下的频繁模式挖掘算法研究，主要考虑在保护频繁模式本身和相应计数信息不被披露即满足差分隐私的同时，如何提高数据的可用性。　　本论文主要取得了以下两个方面的成果:　　1.分析了差分隐私下的频繁模式挖掘算法研究。根据模式类型的不同，从频繁项集挖掘、频繁序列挖掘和频繁子图挖掘三个方面对现有的差分隐私下的频繁模式挖掘算法研究进行了分类整理，理清了研究现状，同时指出了有待解决的问题，为后续研究奠定了基础。　　2.提出了一种满足差分隐私的频繁序列模式挖掘算法。序列数据内在序列性和高维度的特点，给差分隐私应用于频繁序列挖掘带来了挑战。对此提出了一种基于交互式差分隐私保护框架的频繁序列模式挖掘算法Diff-FSPM。该算法利用指数机制获取最优序列长度，并采用一种维规约策略获得原始序列数据集的规约表示，有效降低序列高维度的影响;应用前缀树压缩频繁序列模式，利用拉普拉斯机制产生的噪音扰动频繁模式的真实支持度计数，同时采用闭频繁序列模式和马尔可夫假设，有效分配隐私预算，并利用一致性约束后置处理，增强输出模式的可用性。理论角度证明算法满足ε-差分隐私，实验结果验证算法具有较好的可用性。

关键词：网络安全频繁模式挖掘算法差分隐私技术数据挖掘机器学习

来源：评论

学校读者我要写书评

暂无评论

基于频繁模式挖掘算法的医保信息智能审核方法研究

引用

信息与电脑 2023年第18期35卷 46-48页

作者：李金炀连万民广东省第二人民医院广东广州510000

传统医保信息智能审核方法易受样本支持向量距离影响,导致智能审核覆盖度较低,为此提出基于频繁模式挖掘算法的医保信息智能审核方法。首先采用频繁模式挖掘算法压缩医保信息,其次生成医保信息智能审核协议,最后进行实验分析。实验结果... 详细信息

传统医保信息智能审核方法易受样本支持向量距离影响,导致智能审核覆盖度较低,为此提出基于频繁模式挖掘算法的医保信息智能审核方法。首先采用频繁模式挖掘算法压缩医保信息,其次生成医保信息智能审核协议,最后进行实验分析。实验结果表明,该方法的审核效果较好,优于对照组。

关键词：频繁模式挖掘算法医保信息智能审核

来源：评论

学校读者我要写书评

暂无评论

高效隐私保护频繁模式挖掘算法研究

高效隐私保护频繁模式挖掘算法研究

引用

2014湖北省计算机学会学术年会

作者：程舒通徐从富但红卫浙江大学计算机科学与技术学院杭州310027 杭州广播电视大学信息工程学院杭州310012 浙江大学计算机科学与技术学院杭州310027

阐述了隐私保护数据挖掘的目标,即在获取有效的数据挖掘结果的同时,满足用户对隐私保护的要求.针对个体用户及组织用户的隐私保护,论述了不同的方法,并归纳出隐私保护数据挖掘中所采用的两种主流算法.改进了高效隐私保护关联规则挖掘算... 详细信息

阐述了隐私保护数据挖掘的目标,即在获取有效的数据挖掘结果的同时,满足用户对隐私保护的要求.针对个体用户及组织用户的隐私保护,论述了不同的方法,并归纳出隐私保护数据挖掘中所采用的两种主流算法.改进了高效隐私保护关联规则挖掘算法(EMASK)中需要完全的数据库扫描并且进行多次比较操作的弊端,提出了基于粒度计算的高效隐私保护频繁模式挖掘算法(BEMASK).该算法将关系数据表转换成面向机器的关系模型,数据处理被转换成粒度计算的方式,计算频繁项集变成了计算基本颗粒的交集.特别是数据的垂直Bitmap表示,在保证准确性不降低的情况下,一方面减少了I/O操作的次数,另一方面较大地提高了效率.

关键词：数据挖掘隐私保护频繁模式挖掘算法知识粒度

来源：评论

学校读者我要写书评

暂无评论

基于事务截断的差分隐私频繁模式挖掘算法

基于事务截断的差分隐私频繁模式挖掘算法

引用

第五届中国计算机学会服务计算学术会议

作者：甘文勇吴英杰孙岚王一蕾福州大学数学与计算机科学学院福建福州350108

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.本文设计出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... 详细信息

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.本文设计出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.

关键词：数据挖掘差分隐私频繁模式挖掘算法事务截断法

来源：评论

学校读者我要写书评

暂无评论

基于出行方式及语义轨迹的位置预测模型

引用

计算机研究与发展 2019年第7期56卷 1357-1369页

作者：章静蕾石海龙崔莉中国科学院计算技术研究所北京100190 中国科学院大学北京100049

现有位置预测方法的研究多集中于对轨迹数据的挖掘和分析,而在如何通过轨迹数据中含有的信息内容以及外源数据以提高位置预测精确度方面的研究尚不深入,有很大研究空间.提出了一种挖掘语义轨迹信息并结合出行方式的未来位置预测模型,该... 详细信息

现有位置预测方法的研究多集中于对轨迹数据的挖掘和分析,而在如何通过轨迹数据中含有的信息内容以及外源数据以提高位置预测精确度方面的研究尚不深入,有很大研究空间.提出了一种挖掘语义轨迹信息并结合出行方式的未来位置预测模型,该模型首先可实现根据语义轨迹进行相似用户挖掘,并结合个人语义轨迹和相似用户位置轨迹得到频繁模式集合,最后结合2个集合对目标轨迹得到未来位置预测候选集;然后可实现对未来出行方式进行识别,同时结合历史出行方式和位置轨迹数据,建立Markov模型对未来位置进行预测得到候选集,最后结合前一部分的候选集得到最终未来位置结果.此模型不仅能结合语义轨迹挖掘相似用户的行为活动,还可同时融合出行方式的外源数据克服位置轨迹的局限性.实验验证表明:该模型能对日常生活中的轨迹位置数据进行预测并达到86%的精确度,同时在不同的频繁模式支持度下,其精确度都比未结合出行方式模型时平均高出5%,因此本模型对位置预测结果的提高具有有效性.

关键词：出行方式识别频繁模式挖掘算法语义轨迹位置轨迹位置预测

来源：评论

学校读者我要写书评

暂无评论

数据挖掘技术在某矿业集团住房公积金管理系统中的应用

数据挖掘技术在某矿业集团住房公积金管理系统中的应用

引用

作者：王育平北京工业大学

学位级别：硕士

当今时代是飞速发展的信息时代,为使宝贵的数据资源得以充分的利用,数据挖掘技术应运而生并得到迅速发展。数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含其中、事先人们不知道、具有潜在利用价值和知识的过... 详细信息

当今时代是飞速发展的信息时代,为使宝贵的数据资源得以充分的利用,数据挖掘技术应运而生并得到迅速发展。数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含其中、事先人们不知道、具有潜在利用价值和知识的过程,从而挖掘隐藏在数据背后的知识。本文是作者参加某矿业集团住房公积金管理系统的数据挖掘工作的总结。\n 本文首先论述了住房公积金管理系统的数据挖掘需求,确定了使用关联规则方法进行住房公积金管理系统的设计与开发,并论述了住房公积金数据挖掘库的建立方法。\n 其次论述了关联规则中频繁模式挖掘问题模型、挖掘原理和方法,设计并实现了频繁模式挖掘算法,通过在多种合成与实际数据集上的测试试验,验证了算法的效率；设计并实现了关联规则生成算法,能够快速地由频繁模式生成规则；通过在实际数据集上的测试结果,验证了频繁模式挖掘算法的实际应用价值。\n 最后,将关联规则发现算法应用在某矿业集团住房公积金管理系统中,获得了一些有价值的规则。结果表明,获得的规则可以辅助企业领导进行收缴公积金的国债、基金、银行存款投资和规划商品住房的建设等决策。

关键词：住房公积金管理系统数据挖掘技术频繁模式挖掘算法关联规则

来源：评论

学校读者我要写书评

暂无评论

差分隐私保护下一种精确挖掘top-k频繁模式方法

差分隐私保护下一种精确挖掘top-k频繁模式方法

引用

第30届中国数据库学术会议

作者：张啸剑王淼孟小峰中国人民大学信息学院北京 100872 河南财经政法大学计算机与信息工程学院郑州 450002 中国人民大学信息学院北京 100872

频繁模式挖掘是分析事务数据集常用技术.然而,当事务数据集合有敏感数据时(如用户行为记录、电子病例等),直接发布频繁模式及其支持度计数会给个人隐私带来相当大的风险.对此提出了一种满足ε-差分隐私的top-k频繁模式挖掘算法DP-topkP(... 详细信息

频繁模式挖掘是分析事务数据集常用技术.然而,当事务数据集合有敏感数据时(如用户行为记录、电子病例等),直接发布频繁模式及其支持度计数会给个人隐私带来相当大的风险.对此提出了一种满足ε-差分隐私的top-k频繁模式挖掘算法DP-topkP(differentially private top-k pattern mining).该算法利用指数机制从候选频繁模式集合中挑选出top-k个携带真实支持度计数的模式;采用拉普拉斯机制产生的噪音扰动所选模式的真实支持度计数;为了增强输出模式的可用性,采用后置处理技术对topk个模式的噪音支持度计数进行求精处理.从理论角度证明了该算法满足ε-差分隐私,并符合(λ,δ)-useful要求.实验结果证明了DP-topkP算法具有较好的准确性、可用性和可扩展性.

关键词：信息处理事务数据频繁模式挖掘算法差分隐私

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：