基于k-匿名的多源数据融合算法研究

摘要：

数据在当今的网络环境下变得越来越重要,融合技术能够使不同数据提供者有效地融合他们的数据,并且提供给顾客可定制且有效的服务.数据融合技术通常采用每轮自顶向下选择候选者,并进行数据更新的方法,而这种方法随着数据量的增加使得数据融合的时间花费巨大,难以满足数据融合的时间需求.为了减少融合数据过程中的花费,提高多源数据融合的精度,结合自顶向下分类树算法TDS,属性分类树,提出了一种基于k-匿名的多源数据融合算法.利用GUI的Adult数据集进行仿真实验,并比较了数据融合的复杂度以及融合精度的差异.实验结果表明,所提出的基于k-匿名多源数据融合算法融合过程时间花费更少,可以达到理想的数据融合精度,同时还实现了多源数据的融合.

关键词：数据融合、k-匿名、自顶向下分类树、属性分类树

所属期刊栏目：27

分类号：TP301.6(计算技术、计算机技术)

资助基金：中国博士后科学基金2014M561644;江苏省博士后科学基金1402034C

在线出版日期：2017-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：102-107