《表2 差分隐私在敏感数据的回归与分类中方案比较》
提示：宽带有限、当前游客访问压缩模式
目前，中心化差分隐私发展比较成熟，在敏感数据挖掘中的应用也比较广泛。本文主要分析了本地化差分隐私在回归与分类中的应用。具体分析结果如表2所示。
| 图表编号 | XD00146114400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.01 |
| 作者 | 谢荣、温蜜 |
| 绘制单位 | 上海电力大学计算机科学与技术学院、上海电力大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 仿真参数设置表：基于大数据技术的本地差分隐私高维数据收集算法》2020.11.15
- 《表1 实验数据信息：基于距离与误差平方和的差分隐私K-means聚类算法》2020.10.10
- 《表1 数据路由表：基于空间动态划分的差分隐私聚类算法》2021.01.15
- 《表2 两种差分隐私比较：基于LBS系统的位置轨迹隐私保护技术综述》2020.12.05
- 《表2 数据集信息：基于差分隐私的高精度直方图发布方法》2020.11.10
- 《表1 数据集描述：面向主成分分析的差分隐私数据发布算法》2018.10.25
- 《表1 差分隐私在敏感数据频繁项挖掘中方案比较》2020.08.01
- 《表2 k-匿名数据：隐私保护技术在健康医疗大数据发布中的应用研究》2020.02.15
- 《表2 实验数据集：基于差分隐私的数据世系发布方法》2020.03.01
- 《表3 性能比较：智能电网支持隐私保护的数据聚合方案》2019.10.01
- 《表2 超市S2购物数据：基于差分隐私保护的数据分级融合发布机制》2019.10.01
- 《表1 超市S1购物数据：基于差分隐私保护的数据分级融合发布机制》2019.10.01
- 《表3 融合后购物数据：基于差分隐私保护的数据分级融合发布机制》2019.10.01
- 《表2 政府数据开放中隐私风险的应对方案》2019.09.25
- 《表4 算法性能实验结果：大数据环境中交互式查询差分隐私保护模型》2019.06.01
- 《表2 数据无关性分析：大数据环境中交互式查询差分隐私保护模型》2019.06.01
- 《表1 软硬件配置：大数据环境中交互式查询差分隐私保护模型》2019.06.01
- 《表1 数据基本信息：一种改进的面向差分隐私保护的k-means聚类算法》2019.07.25
- 《表1 数据集信息：一种改进的基于差分隐私的k-means聚类算法》2019.08.15
- 《表3 adult数据库：差分隐私模型的启发式隐私参数设置策略》2019.01.01