计算机应用

作者：杨柳, 李云

单位：1.江苏省大数据安全与智能处理重点实验室（南京邮电大学），南京 210023；2.南京邮电大学 计算机学院、软件学院、网络空间安全学院，南京 210023

关键词：混合式,过滤式特征排序,封装式特征选择,特征选择,隐私保护,K-匿名,前向搜索策略

基金：国家自然科学基金面上项目(61772284)

K-匿名算法通过对数据的泛化、隐藏等手段使得数据达到K-匿名条件，在隐藏特征的同时考虑数据的隐私性与分类性能，可以视为一种特殊的特征选择方法，即K-匿名特征选择。K-匿名特征选择方法结合K-匿名与特征选择的特点使用多个评价准则选出K-匿名特征子集。过滤式K-匿名特征选择方法难以搜索到所有满足K-匿名条件的候选特征子集，不能保证得到的特征子集的分类性能最优，而封装式特征选择方法计算成本很大，因此，结合过滤式特征排序与封装式特征选择的特点，改进已有方法中的前向搜索策略，设计了一种混合式K-匿名特征选择算法，使用分类性能作为评价准则选出分类性能最好的K-匿名特征子集。在多个公开数据集上进行实验，结果表明，所提算法在分类性能上可以超过现有算法并且信息损失更小。

来源：2021年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第12期