دانلود مقاله ISI انگلیسی شماره 46269
عنوان فارسی مقاله

داده های طبقه بندی ناشناس با استفاده از نظریه مجموعه راف

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46269 2013 13 صفحه PDF سفارش دهید 11500 کلمه
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Anonymizing classification data using rough set theory
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Knowledge-Based Systems, Volume 43, May 2013, Pages 82–94

کلمات کلیدی
K ناشناس - مجموعه دقیق - دانه بندی چندسطحی - مقدار ویژگی طبقه بندی - داده کاوی حفظ حریم خصوصی
پیش نمایش مقاله
پیش نمایش مقاله داده های طبقه بندی ناشناس با استفاده از نظریه مجموعه راف

چکیده انگلیسی

Identity disclosure is one of the most serious privacy concerns in many data mining applications. A well-known privacy model for protecting identity disclosure is k-anonymity. The main goal of anonymizing classification data is to protect individual privacy while maintaining the utility of the data in building classification models. In this paper, we present an approach based on rough sets for measuring the data quality and guiding the process of anonymization operations. First, we make use of the attribute reduction theory of rough sets and introduce the conditional entropy to measure the classification data quality of anonymized datasets. Then, we extend conditional entropy under single-level granulation to hierarchical conditional entropy under multi-level granulation, and study its properties by dynamically coarsening and refining attribute values. Guided by these properties, we develop an efficient search metric and present a novel algorithm for achieving k-anonymity, Hierarchical Conditional Entropy-based Top-Down Refinement (HCE-TDR), which combines rough set theory and attribute value taxonomies. Theoretical analysis and experiments on real world datasets show that our algorithm is efficient and improves data utility.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.