A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Fourier Magnitude-Based Privacy-Preserving Clustering on Time-Series Data Clustering de preservação de privacidade baseado em magnitude de Fourier em dados de série temporal

Hea-Suk KIM, Yang-Sae MOON

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Clustering que preserva a privacidade (PPC em resumo) é importante na publicação de dados sensíveis de séries temporais. As soluções PPC anteriores, no entanto, têm o problema de não preservar pedidos à distância ou incorrer em violação de privacidade. Para resolver este problema, propomos uma nova abordagem PPC que explora magnitudes de Fourier de séries temporais. Nosso método baseado em magnitude não causa violação de privacidade, mesmo que suas técnicas ou parâmetros relacionados sejam revelados publicamente. Usar apenas magnitudes, entretanto, incorre no problema da ordem de distância e, portanto, apresentamos estratégias de seleção de magnitude para preservar tantas ordens de distância euclidianas quanto possível. Através de extensos experimentos, demonstramos a superioridade de nossa abordagem baseada em magnitude.

Publicação
IEICE TRANSACTIONS on Information Vol.E93-D No.6 pp.1648-1651
Data de publicação
2010/06/01
Publicitada
ISSN online
1745-1361
DOI
10.1587/transinf.E93.D.1648
Tipo de Manuscrito
LETTER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Palavra-chave