检索结果

Select

1. 多维数值型敏感属性数据的个性化隐私保护方法

张梅舒, 徐雅斌

《计算机应用》唯一官方网站 2020, 40 (2): 491-496. DOI: 10.11772/j.issn.1001-9081.2019091639

摘要（409）

HTML （0）

PDF （588KB）（375）

为了解决多维数值型敏感属性数据隐私保护方法中存在的准标识符属性信息损失大，以及不能满足用户对数值型敏感属性重要性排序的个性化需求问题，提出一种基于聚类和加权多维桶分组（MSB）的个性化隐私保护方法。首先，根据准标识符的相似程度，将数据集划分成若干准标识符属性值相近的子集；然后，考虑到用户对敏感属性的敏感程度不同，将敏感程度和多维桶的桶容量用于计算加权选择度和构建加权多维桶；最后，依此对数据进行分组和匿名化处理。选用UCI的标准Adult数据集中的8个属性进行实验，并与基于聚类和多维桶的数据隐私保护方法MNSACM和基于聚类和加权多维桶分组的个性化隐私保护方法WMNSAPM进行对比。实验结果表明，所提方法整体较优，并且在减少信息损失和运行时间方面明显优于对比方法，提高了数据质量和运行效率。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于需求预测的PaaS平台资源分配方法

徐雅斌, 彭宏恩

计算机应用 2019, 39 (6): 1583-1588. DOI: 10.11772/j.issn.1001-9081.2018122613

摘要（505）

PDF （1006KB）（299）

针对缺乏PaaS平台下资源需求的有效预测与优化分配的问题，提出一种资源需求预测模型和分配方法。首先，根据PaaS平台中应用对资源需求的周期性来对资源序列进行切分，并在短期预测的基础上结合应用的多周期性特征，利用多元回归算法建立综合的预测模型。然后，基于MapReduce架构设计实现了一个Master-Slave模式的PaaS平台资源分配系统。最后，结合当前任务请求和资源需求预测结果进行资源分配。实验结果表明，采用该资源需求预测模型和分配方法后，相比于自回归模型和指数平滑算法，平均绝对百分比误差分别下降8.71个百分点和2.07个百分点，均方根误差分别下降2.01个百分点和0.46个百分点。所提预测模型的预测结果不仅误差小，与真实值的拟合程度也较高，而且利用较小的时间开销就可以获得较高的准确度。此外，使用该预测模型的PaaS平台的资源请求的平均等待时间有了明显的下降。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于改进K最近邻分类算法的不良网页并行识别

徐雅斌李卓陈俊伊

计算机应用 2013, 33 (12): 3368-3371.

摘要（694）

PDF （828KB）（445）

互联网中，黄色、暴力、赌博、反动等不良网页大量存在。如果不进行有效过滤，将给搜索服务带来不良的影响。采用改进的K最近邻分类算法来提高识别的准确率，并在虚拟化平台上通过开源的Hadoop软件所提供的MapReduce模型进行分布式并行处理。对比实验结果表明，所采用的识别方法的识别准确率和识别效率都有较大的提高。