CN108763956A - 一种基于分形维数的流式数据差分隐私保护发布方法 - Google Patents
一种基于分形维数的流式数据差分隐私保护发布方法 Download PDFInfo
- Publication number
- CN108763956A CN108763956A CN201810507144.4A CN201810507144A CN108763956A CN 108763956 A CN108763956 A CN 108763956A CN 201810507144 A CN201810507144 A CN 201810507144A CN 108763956 A CN108763956 A CN 108763956A
- Authority
- CN
- China
- Prior art keywords
- data
- fractal
- grouping
- clustering
- fractal dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Complex Calculations (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于分形维数的流式数据差分隐私保护发布方法,包括:步骤一、利用滑动窗口技术对数据流进行分割,将满足条件的数据流以静态方式展示在滑动窗口中;步骤二、将数据进行初始聚类,并且将初始聚类结果计算各类的分形维数,并构造分形树;步骤三、将步骤一种分割窗口数据送至分形聚类模块用于数据聚类分析,对所到达数据进行分形聚类,对分形聚类结果进行按类统计,形成待发布分组,并且计算分组间差值集,并且以相似分组求均值进行代替,对分组融合优化后分组进行噪声干扰,并发布噪声干扰后的分组数据;步骤四、当分组数据量达到滑动窗口大小时,窗口向前平移,并且重复步骤三完成最终的数据发布。
Description
技术领域
本发明涉及大数据安全领域,具体涉及一种基于分形维数的流式数据差分隐私保护发布方法。
背景技术
实时动态数据存在于多种应用领域之中,例如监测传感器网络数据、在线交易数据处理、疾病实时统计发布、推荐系统等。这些应用场合通常需要快速而又准确地数据流统计发布,然而动态数据的直接发布必然会导致个人隐私信息泄露的发生。因此,在动态数据的处理和发布过程中,需要保护动态数据中的隐私信息,并保证数据的可用性。
现有差分隐私数据发布方法的研究大多关注静态数据集的发布问题。然而,研究表明,当前社会对数据的动态发布需求更为强烈。而且,静态数据的差分隐私发布方法无法应用于动态数据的发布。由于动态数据具有动态性、多维性、持续到达和多种数据类型等特点,从而导致基于差分隐私的动态数据的发布存在发布数据可用性低、噪声积累导致数据发布误差大和隐私预算耗尽等问题,而且针对多维动态数据的差分隐私发布研究较少。而且研究发现,环境检测数据、传感器网络产生的数据等动态数据流具有分形特性。因此,利用分形挖掘技术对此类数据进行处理,并结合差分隐私技术对动态数据进行隐私保护数据发布,能够较好的满足动态数据的隐私保护发布需求和保证数据的可用性。
发明内容
本发明设计开发了一种基于分形维数的流式数据差分隐私保护发布方法,本发明的发明目的是能够较好的满足动态数据的隐私保护发布需求。
本发明提供的技术方案为:
一种基于分形维数的流式数据差分隐私保护发布方法,包括如下步骤:
步骤一、利用滑动窗口技术对数据流进行分割,将满足条件的数据流以静态方式展示在所述滑动窗口中;
步骤二、将数据进行初始聚类,并且将初始聚类结果计算各类的分形维数,并构造分形树;
步骤三、将所述步骤一种分割窗口数据送至分形聚类模块用于数据聚类分析,有分形维数计算,对所到达数据进行分形聚类,对分形聚类结果进行按类统计,形成待发布分组,并且计算分组间差值集作为近似分组融合时近似分组判断参考,并且以相似分组求均值进行代替,对分组融合优化后分组进行噪声干扰,并发布噪声干扰后的分组数据;
步骤四、当所述分组数据量达到所述滑动窗口大小时,窗口向前平移,并且重复步骤三完成最终的数据发布。
优选的是,在所述步骤一中,对数据流进行分割包括:将长度为T的数据流xi分割成T个时间戳上的数据点,得到数据点D={x1,x2,…xT}。
优选的是,在所述步骤二中,所述初始聚类和构造分形树的过程包括:
积累一段时间的数据流,利用现有聚类算法进行初始聚类;若初始聚类为k个,记为{C1,C2,…,Ck},分别对初始化的类计算其分形维数,并构建分形树{FTree1,FTree2,…,FTreek},第i个类的分形维数记为Fd(Ci)。
优选的是,在所述步骤三中,所述分形聚类模块中的分形聚类算法包括:
将数据点存储在时间跨度为Δtc的滑动时间窗口W(ti)中,对每一个点e∈W(ti)加入到每一个类中,得到C′i=Ci∪{e},同时对每棵分形树进行更新;
计算C′i的分形维数Fd(C′i);
在k个类中找到e加入后,分形影响度FI最小的一个类,若FI小于给定阈值δ,则认为e∈Ci,即FI=mini|Fd(C′i)-Fd(Ci)|<ε;
对于将其他分形树FTreek还原到未加入e之前的状态;若数据点不属于任何类,那么新建一个类,并对其进行统计。
优选的是,所述分形维数计算方式为
其中,r[rmin,rmax]为数据集所具有的分形特性的边长度量的取值范围;落入第i各单元格中数据点的数目;q为不同分形维度取值。
优选的是,当q=0时为Hausdroff维数;
q=1时为信息维;
q=2时为关联维。
优选的是,在所述步骤三中,
计算分组间的差值集包括S={S1,S2,…Sd-1};
以相似分组求均值进行代替包括式中,d表示第d个差值集,Ci为第i个聚类分组结果;
对分组融合优化后分组噪声干扰包括发布噪声干扰后的分组数据包括式中,ε为隐私预算,为第j个滑动窗口最终数据发布结果。
本发明与现有技术相比较所具有的有益效果:本发明可满足动态数据的隐私发布需求,提供有效的隐私保护方法。同时保证发布数据具有较好的可用性。
附图说明
图1为本发明所述Spark框架下的基于差分隐私保护的数据发布方法的数据处理流程图。
图2为本发明的实施例的直方图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种基于分形维数的流式数据差分隐私保护发布方法,包括如下步骤:
步骤一、对实时产生的数据流进行不间断采集,利用滑动窗口技术对数据流进行分割,将一个长度为T的数据流xi分割成T个时间戳上的数据点,即D={x1,x2,…xT},将满足条件的数据流以静态方式展示在窗口中;
步骤二、积累一段时间的数据流,采用k_means(k,n)聚类算法进行初始聚类,聚类个数为k,聚类结果为P={C1,C2,…,Ck};
步骤三、分别对步骤2初始化的类计算其分形维数,并构建分形树{FTree1,FTree2,…,FTreek},第i个类的分形维数记为Fd(Ci);
步骤四、将步骤一所分割窗口数据送至分形聚类模块用于数据聚类分析,包括如下过程:
(1)、将数据点存储在时间跨度为Δtc的滑动时间窗口W(ti)中;然后对每一个点e∈W(ti)加入到每一个类中,得到C′i=Ci∪{e},同时对每棵分形树进行更新;
(2)、计算C′i的分形维数
其中,r[rmin,rmax]为数据集所具有的分形特性的边长度量的取值范围;落入第i各单元格中数据点的数目;q的取值体现分形维度测度的不同方面,从而更全面的体现数据集的特征。当q=0时为Hausdroff维数;q→1时为信息维,q=2时表示关联维;
(3)、在k个类中找到e加入后,分形影响度FI最小的一个类,若FI小于给定阈值δ,则认为e∈Ci,即FI=mini|Fd(C′i)-Fd(Ci)|<ε;
(4)、对于将其他分形树FTreek还原到未加入e之前的状态。若数据点不属于任何类,那么新建一个类,并对其进行统计;
在本实施例中,作为一种优选,分形聚类算法利用分形聚类思想对数据流进行聚类分析,将分形影响度小的聚为一类;
步骤五、对分形聚类结果进行按类统计,形成待发布分组H;
步骤六、计算分组间差值集:S={S1,S2,…Sd-1},以便近似分组融合,以相似分组求均值进行代替:
其中,d表示第d个差值集,Ci为第i个聚类分组结果;
步骤七、对分组融合优化后分组噪声干扰:并发布噪声干扰后的分组数据
其中,ε为隐私预算,为第j个滑动窗口最终数据发布结果;
步骤八、数据不断到达,数据量达到窗口大小时,窗口向前平移,步骤四~步骤七;
本发明所述的基于分形维数的流式数据差分隐私保护发布方法解决了上述问题,并且满足ε-差分隐私保护,采用分形维数聚类方法对数据流进行聚类,对再对每分组添加拉普拉斯噪声和分组融合优化,实现多维动态数据的差分隐私保护数据发布,该方法可有效应对动态数据的隐私发布需求,同时保证发布数据具有较好的可用性。
实施例
HIV病人需按月周期性发布统计结果,而所发布数据往往会按月累加。若做的既不泄露确诊患者年龄、住址等隐私信息,又尽可能的保证统计结果的可参考价值,可采用本发明所述方法对发布数据进行处理,待数据隐私保护后再发布。
本实施例的具体实例如下:
步骤一、将各类型病症数据流实时上传至服务器,并对数据流利用滑动窗口技术进行分割;
步骤二、对流数据按照分形聚类算法进行聚类;如HIV和阿尔兹海默症(AD)病人数据表1所示:
表1
月 | HIV+ | AD | 神经性疾病 |
1 | 135 | 58 | 67 |
2 | 12 | 20 | 81 |
3 | 43 | 246 | 52 |
步骤三、若将上表所示数据直接发布,拥有相关背景知识的人很容易推断HIV疾病患者的所有隐私信息,因此,采用本发明所述聚类方法进行分组划分;此处仅提取出数据流中HIV各月统计结果和总计:C1={135,58,67},C2={12,20,81},C3={43,246,52};
步骤四、求差值集,对相似分组求均值:C1_AD+神经性疾病=62.5,C2_HIV+AD=16,C3_HIV+神经性疾病=47.5,则每月分类分组数据统计结果为:C={{135,62.5,62.5},{16,16,81},{47.5,246,47.5}};
步骤五、在各分组的均值上添加Laplace噪声得到数据集Hj={{128.46,63.41,64.31},{17.5,16.4,82.73},{46.61,245.58,48.66}};
步骤六、对差分隐私保护后的发布数据直方图是一种利用分箱技术近似描述数据统计信息,按照某属性将一个比较大的数据集划分成不相交的桶,并由一个数字表示每个桶的特征,从而形成直方图发布方法,若流式数据采用直方图发布方法存在数据持续到达,隐私预算耗尽问题,而且还会在分组划分中造成误差,因此,在本实施例中,采用直方图进行数据发布,如图2所示。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.一种基于分形维数的流式数据差分隐私保护发布方法,其特征在于,包括如下步骤:
步骤一、利用滑动窗口技术对数据流进行分割,将满足条件的数据流以静态方式展示在所述滑动窗口中;
步骤二、将数据进行初始聚类,并且将初始聚类结果计算各类的分形维数,并构造分形树;
步骤三、将所述步骤一种分割窗口数据送至分形聚类模块用于数据聚类分析,有分形维数计算,对所到达数据进行分形聚类,对分形聚类结果进行按类统计,形成待发布分组,并且计算分组间差值集作为近似分组融合时近似分组判断参考,并且以相似分组求均值进行代替,对分组融合优化后分组进行噪声干扰,并发布噪声干扰后的分组数据;
步骤四、当所述分组数据量达到所述滑动窗口大小时,窗口向前平移,并且重复步骤三完成最终的数据发布。
2.如权利要求1所述的基于分形维数的流式数据差分隐私保护发布方法,其特征在于,在所述步骤一中,对数据流进行分割包括:将长度为T的数据流xi分割成T个时间戳上的数据点,得到数据点D={x1,x2,…xT}。
3.如权利要求2所述的基于分形维数的流式数据差分隐私保护发布方法,其特征在于,在所述步骤二中,所述初始聚类和构造分形树的过程包括:
积累一段时间的数据流,利用现有聚类算法进行初始聚类;若初始聚类为k个,记为{C1,C2,…,Ck},分别对初始化的类计算其分形维数,并构建分形树{FTree1,FTree2,…,FTreek},第i个类的分形维数记为Fd(Ci)。
4.如权利要求3所述的基于分形维数的流式数据差分隐私保护发布方法,其特征在于,在所述步骤三中,所述分形聚类模块中的分形聚类算法包括:
将数据点存储在时间跨度为Δtc的滑动时间窗口W(ti)中,对每一个点e∈W(ti)加入到每一个类中,得到C′i=Ci∪{e},同时对每棵分形树进行更新;
计算C′i的分形维数Fd(C′i);
在k个类中找到e加入后,分形影响度FI最小的一个类,若FI小于给定阈值δ,则认为e∈Ci,即FI=mini|Fd(C′i)-Fd(Ci)|<ε;
对于将其他分形树FTreek还原到未加入e之前的状态;若数据点不属于任何类,那么新建一个类,并对其进行统计。
5.如权利要求4所述的基于分形维数的流式数据差分隐私保护发布方法,其特征在于,所述分形维数计算方式为
其中,r[rmin,rmax]为数据集所具有的分形特性的边长度量的取值范围;落入第i各单元格中数据点的数目;q为不同分形维度取值。
6.如权利要求5所述的基于分形维数的流式数据差分隐私保护发布方法,其特征在于,当q=0时为Hausdroff维数;
q=1时为信息维;
q=2时为关联维。
7.如权利要求6所述的基于分形维数的流式数据差分隐私保护发布方法,其特征在于,在所述步骤三中,
计算分组间的差值集包括S={S1,S2,…Sd-1};
以相似分组求均值进行代替包括式中,d表示第d个差值集,Ci为第i个聚类分组结果;
对分组融合优化后分组噪声干扰包括发布噪声干扰后的分组数据包括式中,ε为隐私预算,为第j个滑动窗口最终数据发布结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810507144.4A CN108763956B (zh) | 2018-05-24 | 2018-05-24 | 一种基于分形维数的流式数据差分隐私保护发布方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810507144.4A CN108763956B (zh) | 2018-05-24 | 2018-05-24 | 一种基于分形维数的流式数据差分隐私保护发布方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108763956A true CN108763956A (zh) | 2018-11-06 |
CN108763956B CN108763956B (zh) | 2020-09-15 |
Family
ID=64006443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810507144.4A Expired - Fee Related CN108763956B (zh) | 2018-05-24 | 2018-05-24 | 一种基于分形维数的流式数据差分隐私保护发布方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108763956B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558426A (zh) * | 2018-11-22 | 2019-04-02 | 河南财经政法大学 | 一种基于差分隐私的流式直方图的发布方法 |
CN109726758A (zh) * | 2018-12-28 | 2019-05-07 | 辽宁工业大学 | 一种基于差分隐私的数据融合发布算法 |
CN109828895A (zh) * | 2019-01-14 | 2019-05-31 | 武汉华迪世纪计算机有限公司 | 一种相关数据差分隐私保护性能的标准化测试方法及装置 |
CN110134879A (zh) * | 2019-03-06 | 2019-08-16 | 辽宁工业大学 | 一种基于差分隐私保护的兴趣点推荐算法 |
CN112131605A (zh) * | 2020-09-24 | 2020-12-25 | 合肥城市云数据中心股份有限公司 | 一种基于互信息相关技术的差分隐私动态数据发布方法 |
CN112131606A (zh) * | 2020-09-24 | 2020-12-25 | 合肥城市云数据中心股份有限公司 | 一种基于K-means++结合肘部法自主聚类技术的动态数据差分隐私直方图发布方法 |
CN112307078A (zh) * | 2020-09-29 | 2021-02-02 | 安徽工业大学 | 基于滑动窗口的数据流差分隐私直方图发布方法 |
CN112328464A (zh) * | 2021-01-05 | 2021-02-05 | 北京基调网络股份有限公司 | 指标数据存储、相关性分析方法及计算机可读存储介质 |
CN112417500A (zh) * | 2020-11-18 | 2021-02-26 | 华南师范大学 | 一种隐私保护的数据流统计发布方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110078453A1 (en) * | 2009-09-25 | 2011-03-31 | Markus Mueck | Methods and apparatus for compensation for corrupted user identification data in wireless networks |
CN105046160A (zh) * | 2015-07-21 | 2015-11-11 | 东华大学 | 一种基于直方图的面向数据流差分隐私发布方法 |
CN106407841A (zh) * | 2016-09-28 | 2017-02-15 | 武汉大学 | 基于差分隐私的相关性时间序列发布方法及系统 |
CN106777298A (zh) * | 2016-12-30 | 2017-05-31 | 成都数联易康科技有限公司 | 一种基于分形技术的分布式聚类方法 |
CN107766740A (zh) * | 2017-10-20 | 2018-03-06 | 辽宁工业大学 | 一种Spark 框架下的基于差分隐私保护的数据发布方法 |
-
2018
- 2018-05-24 CN CN201810507144.4A patent/CN108763956B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110078453A1 (en) * | 2009-09-25 | 2011-03-31 | Markus Mueck | Methods and apparatus for compensation for corrupted user identification data in wireless networks |
CN105046160A (zh) * | 2015-07-21 | 2015-11-11 | 东华大学 | 一种基于直方图的面向数据流差分隐私发布方法 |
CN106407841A (zh) * | 2016-09-28 | 2017-02-15 | 武汉大学 | 基于差分隐私的相关性时间序列发布方法及系统 |
CN106777298A (zh) * | 2016-12-30 | 2017-05-31 | 成都数联易康科技有限公司 | 一种基于分形技术的分布式聚类方法 |
CN107766740A (zh) * | 2017-10-20 | 2018-03-06 | 辽宁工业大学 | 一种Spark 框架下的基于差分隐私保护的数据发布方法 |
Non-Patent Citations (3)
Title |
---|
冯登国等: "大数据安全与隐私保护", 《计算机学报》 * |
刘慧艺: "面向数据流的差分隐私直方图发布", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
罗义钦等: "一种新的数据流分形聚类算法", 《计算机工程与应用》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558426A (zh) * | 2018-11-22 | 2019-04-02 | 河南财经政法大学 | 一种基于差分隐私的流式直方图的发布方法 |
CN109726758A (zh) * | 2018-12-28 | 2019-05-07 | 辽宁工业大学 | 一种基于差分隐私的数据融合发布算法 |
CN109726758B (zh) * | 2018-12-28 | 2021-01-08 | 辽宁工业大学 | 一种基于差分隐私的数据融合发布算法 |
CN109828895A (zh) * | 2019-01-14 | 2019-05-31 | 武汉华迪世纪计算机有限公司 | 一种相关数据差分隐私保护性能的标准化测试方法及装置 |
CN110134879A (zh) * | 2019-03-06 | 2019-08-16 | 辽宁工业大学 | 一种基于差分隐私保护的兴趣点推荐算法 |
CN112131605A (zh) * | 2020-09-24 | 2020-12-25 | 合肥城市云数据中心股份有限公司 | 一种基于互信息相关技术的差分隐私动态数据发布方法 |
CN112131606A (zh) * | 2020-09-24 | 2020-12-25 | 合肥城市云数据中心股份有限公司 | 一种基于K-means++结合肘部法自主聚类技术的动态数据差分隐私直方图发布方法 |
CN112307078A (zh) * | 2020-09-29 | 2021-02-02 | 安徽工业大学 | 基于滑动窗口的数据流差分隐私直方图发布方法 |
CN112307078B (zh) * | 2020-09-29 | 2022-04-15 | 安徽工业大学 | 基于滑动窗口的数据流差分隐私直方图发布方法 |
CN112417500A (zh) * | 2020-11-18 | 2021-02-26 | 华南师范大学 | 一种隐私保护的数据流统计发布方法 |
CN112328464A (zh) * | 2021-01-05 | 2021-02-05 | 北京基调网络股份有限公司 | 指标数据存储、相关性分析方法及计算机可读存储介质 |
CN112328464B (zh) * | 2021-01-05 | 2021-03-26 | 北京基调网络股份有限公司 | 指标数据存储、相关性分析方法及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108763956B (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108763956A (zh) | 一种基于分形维数的流式数据差分隐私保护发布方法 | |
CN103795612B (zh) | 即时通讯中的垃圾和违法信息检测方法 | |
CN103793484B (zh) | 分类信息网站中的基于机器学习的欺诈行为识别系统 | |
CN105046160B (zh) | 一种基于直方图的面向数据流差分隐私发布方法 | |
CN105376260B (zh) | 一种基于密度峰值聚类的网络异常流量监测系统 | |
Liu et al. | A class-oriented feature selection approach for multi-class imbalanced network traffic datasets based on local and global metrics fusion | |
WO2016015683A1 (zh) | 交通数据流的聚集查询方法及系统 | |
CN110505179A (zh) | 一种网络异常流量的检测方法及系统 | |
CN106779203B (zh) | 一种基于不同风速段的高原山区风电功率预测方法 | |
CN107786388B (zh) | 一种基于大规模网络流数据的异常检测系统 | |
CN102609688B (zh) | 基于广义回归神经网络的多向运动人群流量估计方法 | |
CN104391879B (zh) | 层次聚类的方法及装置 | |
Losser et al. | A spatiotemporal interpolation method using radial basis functions for geospatiotemporal big data | |
CN106845389B (zh) | 一种基于方向-集群性模型的人群逃散事件检测方法及系统 | |
CN107145895A (zh) | 基于k‑means算法的公安犯罪类案研判方法 | |
CN104731887B (zh) | 一种协同过滤中的用户相似度度量方法 | |
CN103150470B (zh) | 一种动态数据环境下的数据流概念漂移可视化方法 | |
CN110826623B (zh) | 基于气象数据的分类方法、装置、计算机设备及存储介质 | |
Pang et al. | Federated Learning for Crowd Counting in Smart Surveillance Systems | |
CN106372171A (zh) | 监控平台实时数据处理方法 | |
CN106250395B (zh) | 一种数据流相似性的连接方法 | |
CN105023271B (zh) | 基于多线索信息的行为集体度衡量方法 | |
CN103793504B (zh) | 一种基于用户偏好与项目属性的聚类初始点选择方法 | |
Heine | Outlier detection in data streams using OLAP cubes | |
Zhang et al. | Visualization aided engagement pattern validation for big longitudinal web behavior intervention data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200915 Termination date: 20210524 |
|
CF01 | Termination of patent right due to non-payment of annual fee |