采用熵的多维K-匿名划分方法

K-匿名是数据发布应用场景下重要的隐私保护模型。近年来数据集K-匿名化的算法得到广泛的研究,Median Mondrian算法是目前唯一的多维K-匿名划分方法。文中研究了Median Mondrian算法,指出其不能有效地平衡数据划分精度与数据隐私安全性之间的矛盾,由此提出基于熵测度机制的多维K-匿名划分方法以及评估K-匿名化结果安全性的测量标准。实验表明该算法是可行的,能有效地提高数据安全性。     

半径自适应的初始中心点选择K-medoids聚类算法

针对K-medoids(K为中心点)聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种新的半径自适应的初始中心点选择算法。该算法在每次迭代过程中都重新根据剩余样本点的分布特征计算半径,从而实现动态计算相应样本点的局部方差和领域半径,选取较优的初始聚类中心点,实现良好的聚类效果。采用不同规模的UCI数据集和不同比例随机点的模拟数据集进行测试,利用5个通用的聚类评价指标对性能进行评价。结果表明:本算法性能较同类算法有明显提高。     

理工科大学文化教育有效性评价研究——以石家庄铁道大学为例

随着移动计算和无限设备的蓬勃发展,基于位置服务中的位置隐私保护研究受到了学术界广泛关注。为保护位置隐私,学术界提出了很多匿名算法。但现有这些算法均基于一个假设,即网络中的所有用户均可信。实际上,网络中并不存在任何可信实体,现有基于真实位置生成匿名集的方法应用领域有限。针对此问题,根据用户发出信号强弱判断位置邻近性,提出了一种在k*NNG上的匿名算法,并通过“协作”的方式在不暴露用户任何隐私的前提下生成匿名区域。在不同系统设置下对算法进行实验,实验结果表明,算法在效率和服务质量上取得了较好的平衡。     

改进的共享型最近邻居聚类算法

聚类效果往往依赖于密度和相似度的定义,并且当数据的维增加时,其复杂度也随之增加。该文基于共享型最近邻居聚类算法SNN,提出了一种改进的共享型最近邻居聚类算法RSNN,并将RSNN应用于高速公路交通数据集上,解决了SNN算法在“去噪”、孤立点和代表点的判断、聚类效果等方面的不足之处。实验结果表明,RSNN算法比SNN算法在时空数据集上具有更好的聚类效果。     

基于邻域密度的K-means初始聚类中心优选方法

传统K-means算法初始聚类中心的选择具有随机性且对离群点敏感,导致聚类结果不稳定、准确率低等问题。针对上述问题,提出基于邻域密度的NDK-means算法。首先,通过多维网格划分得到样本的网格分布特性;然后,通过定义网格密度和网格邻域密度,确定多个局部高密度网格,同时引入迭代因子合并相邻高密度网格中心得到初始聚类中心候选集;最后,结合网格密度和距离,利用最大最小距离算法得到K个初始聚类中心。在UCI数据集上进行实验,实验结果表明:相对于其他局部邻域算法,新算法提高了聚类结果的准确率,具有较好的稳定性。     

入侵数据特征并行选择算法

用知识的条件粗糙熵定义了特征的相对重要性,提出了一种基于条件粗糙熵的入侵数据特征并行选择算法。算法首先将入侵数据决策表划分成多个子表,然后利用特征的相对重要性对各子表并行求解,最后以子表选出的局部特征为基础求得原决策表的约简。实验表明,该算法适用于大规模的入侵数据集,选出的特征属性不仅可以大大减少数据在存储、分析以及各组件共享中的代价,还能够保持并提高入侵分类的准确性。     

组织文化对政府数据共享的影响机理分析： 一个有调节的中介模型

：政府数据共享是当代政府治理的本质需求,厘清政府数据共享行为的影响因素有助于提升政府部门之间的业务协同,推动数字政府建设。以自我效能理论为基础,沿着“环境—认知—行为”的思路,构建“组织文化—自我效能感—共享行为”理论模型,利用回归分析与Bootstrap方法,实证考察了组织文化对政府数据共享行为的影响。研究结果表明：组织文化对共享行为的影响存在两条路径,一是组织文化直接正向影响共享行为,二是通过自我效能感的传导产生正向的间接影响。研究结论为揭示组织文化对共享行为的影响机理、界定组织文化对共享行为产生影响的边界条件提供了一定的理论参考依据,对政府数据共享的协同治理具有一定的实践参考价值。     

基于链接的模糊聚类集成方法

针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。     

K—means聚类算法分析及在教师授课质量评价中的应用

K—means聚类算法是一种基于样本间相似性度量的间接聚类方法。应用K—means聚类算法,选取适当的k值,对教师授课效果进行分析,可以较好地实现量化评价与综合评价相结合,提高评价水平,为确定评价指标提供了可靠的依据。     

政府数据开放共享的法治难题与化解之策

政府数据开放共享直接关系到依法行政、营商环境以及公众知情权等治理体系和治理能力现代化、法治化的重要方面。系统地梳理和研究政府数据开放共享的法律问题和法律规制机制是政府数据开放共享研究的重要内容。从现实运行来看,在平台建设、市场化机制、隐私权利保护、安全保护机制等方面存在法律规则供给不足难以应对现实之需的问题。因此,政府需要不断完善政府数据确权机制、市场化机制、法律监管机制、隐私权保护机制和安全保护机制。     

价值、技术与审查的三维审视:算法决策的伦理风险与规避策略

在技术驱动与效率职能转变的需求下,算法决策广泛且深入应用于社会生活的各方面.在算法决策不断释放技术红利的同时,也因对其缺乏伦理规制而陷入技术偏轨的困境,形成算法自动关联导致个体非自愿泄露隐私、算法决策弱化人的主体能力、算法权威压缩人的自主选择空间、大数据杀熟损害个体消费权益等伦理风险样态."科技之真"必须强化"道德之善"的价值理念,只有秉持以人为本的宗旨,强化匿名算法技术保护隐私、加强人工干预以纠正算法决策偏差,才能有效规避算法决策的伦理风险.     

免疫接种粒子群的聚类算法

将粒子群优化算法和K均值算法结合进行聚类分析,同时引入了免疫系统中的免疫接种和免疫选择机制来指导粒子的迭代过程,提出了一种基于免疫接种粒子群的聚类算法,在粒子群迭代的过程中加入免疫接种机制指导粒子的飞行方向,再通过免疫选择机制对接种的结果进行选择,确保粒子种群向更优的方向移动。实验结果证明,基于免疫接种粒子群的聚类算法基本克服了K均值算法容易受初始聚类中心影响的缺点,聚类结果稳定,而且比基于粒子群优化的聚类算法取得了更好的聚类效果。     

支持向量聚类算法的研究与改进

支持向量聚类是基于支持向量机和核方法的一种新颖的聚类方法.与其它传统聚类方法相比较,该方法具有能得到全局最优解,并能处理任意形状的聚类,无需指定聚类数目,参数少,容易处理高维数据等优点.在原算法的基础上,在聚类标识阶段提出了改进算法,用支持向量代替原来的全部样本数据来进行标识,进一步减少运算时间,提高运算速度.     

基于数据多粒度的隐私差序保护

大数据时代,隐私的数据化与数据的隐私化相互交织,个人隐私边界日渐模糊。传统对于隐私、数据的“粗粒度”保护策略已难以匹配当前高度解析化的“微粒社会”,隐私保护与利用隐私换取便捷生活的悖论进一步凸显,人们的隐私焦虑愈发严重。研究基于数据多粒度探讨隐私差序保护,将个人数据以“人格价值”“敏感程度”与“社会属性”进行分层、分级,明确隐私保护与数据合理使用的价值序位差异及边界,并根据不同层次粒度之间的序关系,赋予用户真正的管理权与使用权,让隐私保护更具针对性,数据管理更具效益。     

欧盟《数据治理法》中数据共享主体的运行逻辑及对我国的启示

2021年欧盟《数据治理法》规定了公共部门机构、共享服务提供商、数据利他组织和欧洲数据创新委员会等共享主体机制,旨在推进欧盟数据的有效共享和开发利用。就实际意义而言,欧盟数据共享主体能够促进数据的重复利用、完善中介服务机构、实现社会组织利他共享等,但是现存问题也值得深思。在我国《数据安全法》已经生效的大背景下,欧盟数据共享主体的运行逻辑可以在政府部门数据开放职责、经营主体数据处理角色、第三方组织数据媒介功能等方面为我国数据共享主体制度的完善提供思路。     

基于人工蜂群算法的自适应谱聚类算法

针对传统谱聚类算法无法自动确定聚类数目,初始聚类中心K值依赖性较强以及算法全局寻优能力较差等问题,提出了一种基于人工蜂群算法的自适应谱聚类算法。将本征间隙的思想引入谱聚类算法中,在拉普拉斯矩阵的基础上构造本证间隙序列,从而解决初始聚类数目问题。利用人工蜂群算法全局搜索能力强的优点弥补谱聚类算法易陷入局部最优的缺点,同时,为防止人工蜂群算法出现早熟现象,改进了其位置搜索公式。通过标准测试函数以及UCI数据库中的不同数据集进行实验仿真,结果表明改进算法弥补了原算法的不足。     

数据共享背景下的金融隐私保护

金融隐私权是隐私权理论在金融领域的延伸,金融消费者信息安全权以及金融机构对应的保密义务仅是金融隐私保护的内容之一。在互联网金融行业,个人信息数据日益显示出其商业利用价值,因此需要处理背后各方的利益冲突问题。良好的法律约束机制是平衡金融业经营者的信息共享需求与消费者的隐私权益冲突的有效手段。需借鉴欧美金融隐私保护制度经验,特别是欧盟《一般数据保护条例》的规制做法,在允许信息共享的同时保护消费者的基本隐私权利。     

合理平衡隐私保护与价值挖掘推动我国数字经济可持续发展

隐私保护的法律设计是影响数字经济发展的关键.为推动我国数字经济可持续发展,需统筹考虑我国数字产业的未来发展,平衡好隐私保护与数据共享,合理设计法律和政策尺度.借鉴隐私保护视角下,在数据治理中,美国、欧盟、新加坡的做法,提出完善我国隐私保护立法的基本原则与具体建议.     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。     

基于Kmeans和CBR方法的高校就业预测模型应用研究

提出运用Kmeans聚类算法和CBR案例推理方法对高校学生就业趋向进行预测。针对采集的高校就业信息的高维海量数据,首先使用Kmeans聚类方法将已就业数据划分成不同的就业类别,从而极大地减少了特征分析工作量。对未就业数据进行预测时,先计算跟每一聚类中心的距离值,从而得到其合适的分类,再在每一类中进行CBR推理,最后得出对其的预测分类结果。实验结果表明,提出的算法预测结果较为精确,为高校就业指导提供了帮助。