A Method for Hiding Association rules with MinimumChanges in Database
- سال انتشار: 1393
- محل انتشار: مجله بین المللی پیشرفت در علوم کامپیوتر، دوره: 3، شماره: 5
- کد COI اختصاصی: JR_ACSIJ-3-5_012
- زبان مقاله: انگلیسی
- تعداد مشاهده: 982
نویسندگان
Department of Computer Engineering, Islamic Azad University–Najafabad Branch, Isfahan, Iran
Department of Computer Engineering, Islamic Azad University–Najafabad Branch, Isfahan, Iran
Department of Computer Engineering, Islamic Azad University–Najafabad Branch, Isfahan, Iran
چکیده
Privacy preserving data mining is a continues way for touse data mining, without disclosing private information. Toprevent disclosure of sensitive information by data miningtechniques, it is necessary to make changes to the data base.Association rules are important and efficient data miningtechnique. In order to achieve this algorithm is proposed,that as well as hiding sensitive association rules, having thelowest side effects on the original data set. Proposedalgorithm by removing selective item, among items ofantecedent sensitive rule (L.H.S.), causes to decreaseconfidence of sensitive rule below less them threshold andhide the sensitive rule. Also keeps sensitive rules until theend of securing process is reduce the failure hiding, andbecause the internal clustering, hiding sensitive rulesperformed synchronic takes insensitive rules to reduce theloss. This algorithm is compared with basic algorithm, ondense and sparse data base. The results with criteria ofhiding failure, is indicates 41.6% improvement in densedata base and 28% in made with software data base. Withcriteria of lost rule, is indicates 70%, 57.1% and 83.3%improvement over the base algorithm. Which indicates theproposed algorithm is efficientکلیدواژه ها
Privacy Preserving Data Mining, Association Rules,Hiding Sensitive Rules, The security data baseمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد 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.