CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

یک فن حفظ حریم خصوصی جدید برای الگوریتم های داده کاوی بر اساس فاصله اقلیدسی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۰۹۵ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_114
زبان مقاله: فارسی
حجم فایل: ۱۸۵.۱۹ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یک فن حفظ حریم خصوصی جدید برای الگوریتم های داده کاوی بر اساس فاصله اقلیدسی

  سارا حاجیان - دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
  محمد عبداللهی ازگمی - دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

چکیده مقاله:

با وجود مزایای گشترده فنون مختلف داده کاوی، این روش ها با بعضی از مسایل اخلاقی همچون حریم خصوصی، امنیت داده و حقوق مالکیت معنوی مواجه هستند. مقررات و نگرانی های حریم خصوصی، ممکن است باعث اجتناب صاحبان داده از به اشتراک گذاری داده هایشان برای اهداف مختلفی همچون تحلیل داده شود. برای حل این مشکل، تا کنون روش های مختلفی ارایه شده تا نیازمندی های حریم خصوصی صاحبان داده را برآورده ساخته و در ضمن نتایج داده کاوی معتبری را نیز فراهم کند. منتها فنون متداول موجود برای داده کاوی با حفظ حریم خصوصی مانند پریشانی تصادفی برای الگوریتم های داده کاوی بر اساس فاصله اقلیدسی مناسب نیستند. در این مقاله، یک فن حفظ حریم خصوصی جدید برای الگوریتم داده کاوی بر اساس فاصله اقلیدسی ارایه شده است. فن پیشنهادی از تبدیل موجک هار و پریشانی داده مقیاس پذیر جهت برآورده ساختن هر دو هدف پنهان سازی دادده و کاهش داده جهت حفاظت از مقادیر ویژگی های عددی محرمانهف سود برده است. نتایج ارزیابی نشان می دهد فن پیشنهادی میزان حریم خصوصی، کاهش ابعاد و کیفیت داده کاوی مناسبی را با سرعت بالای خود فراهم کرده است.

کلیدواژه‌ها:

داده کاوی، حریم خصوصی، داده کاوی با حفظ حریم خصوصی، الگوریتم های داده کاوی بر اساس فاصله اقلیدسی، خوشه بندیف تبدیل موجک هار ، پریشانی داده مقیاس پذیر

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_114.html
کد COI مقاله: ACCSI14_114

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حاجیان, سارا و محمد عبداللهی ازگمی، ۱۳۸۷، یک فن حفظ حریم خصوصی جدید برای الگوریتم های داده کاوی بر اساس فاصله اقلیدسی، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_114.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حاجیان, سارا و محمد عبداللهی ازگمی، ۱۳۸۷)
برای بار دوم به بعد: (حاجیان و عبداللهی ازگمی، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Han, J. and Kamber, M., Data Mining: Concepts and Techniques, ...
  • Giannotti, F. and Pedreschi, D., Mobility, Data Mining and Privacy, ...
  • Vaidya, J., Clifton, M. and Zhu, M., Privacy Preserving Data ...
  • Agrawal, R. and Srikant, R., _ Privacy-Pre serving Data Mining ...
  • Lindell, Y. and Pinkas, B., *Privacy preserving data mining" Proc. ...
  • Kim, J. J. Winkler, W. E., ،، Mu ltiplicative noise ...
  • Lin, X., Clifton, C. and Zhu, M., *Privacy preserving clustering ...
  • Merugu, S. and Ghosh, J., _ 'Privacy-pre serving distributed clustering ...
  • Oliveira, S. R. M. and Zaiiane, O. R., *Privacy preserving ...
  • Oliveira, S. and Zaiane, O.R., ،، Pri V acy-pre serving ...
  • Mukherjee, S., Chen, Z. and Gang opadhyay, A., ،0A Privacy ...
  • Tao, Li., Qi, Li., Shenghuo, Z. and Mitsunori, O., A ...
  • Chui, C. K., An Introduction to Wavelets, Academic Press, 1992. ...
  • Kim, S. W., Park, S. and Chu, W. W., ،Efficient ...
  • Burrus, C. S, Gopinath, R. A. and Guo, H., Introduction ...
  • Zhang, H., Ho, T.B., Zhang, Y. and Lin, M.S., ، ...
  • Bapna, S. and Gangop adhyay A., _ wavelet-based approach to ...
  • ، #Machine Learning Repository, _ ://archive. ics .uci.edu/ml, Visited: 2008-2-12 ...
  • *Frequent Itemset Mining Dataset Repository, URL: _ , Visited: 2008-8-14 ...
  • Rijsbergen C.J.V., Information retrieval, Butterworths, London , 1979. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۲۴۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.