[发明专利]基于隐私保护的气动力预测方法以及数据挖掘系统

权利要求书

1.一种基于隐私保护的气动力预测方法，其特征在于，包括：

步骤一，各参与方，在本地的原数据文件集中通过添加服从正态分布的噪声，得到带有扰动的数据集；

步骤二，各参与方根据步骤一计算所得到的本地扰动数据集计算局部非线性核；

步骤三，所有参与方均将其计算得到局部非线性核设置为共享，以使其他参与方能够基于共享的局部非线性核计算对应的全局核；

步骤四，基于得到的全局核函数求解最优化问题，得到参数的最优解；

步骤五，利用步骤四所得到的参数最优解建立预测模型，进行气动力预测。

2.如权利要求1所述的基于隐私保护的气动力预测方法，其特征在于，在步骤一中，数据集的获取过程被配置为包括：

S10，在针对离散型数据的线性中心支持向量机PSVM中，通过引入核函数以将线性PSVM调整非线性PSVM，并将PSVM调整为能适用于连续性数据的非线性中心支持向量机PSVR；

S11，在PSVR中引入随机扰动技术，通过在本地的原始数据集中添加服从正态分布的噪声，得到带有扰动的数据集。

3.如权利要求2所述的基于隐私保护的气动力预测方法，其特征在于，在PSVM中引入核函数的方法被配置为包括：

S101，在PSVM中定义两类样本的类中心为两类样本的均值，正类和负类分别为X+，和X-，均值记为得到原始最优化问题如下：

s.t.(ω·x_i)+b-y_i≤ε，i＝1,2,...l；

y_i-(ω·x_i)-b≤ε，i＝1,2,...,l；

其中X表示输入的样本数据，x_i表示X的第i个分量，ω表示权值，b表示阈值，ε表示松弛变量，y_i表示对应的输出值；

通过对原始优化问题的变换使得目标函数具有严格凸性，得到对应每类点的中心超平面；

引入拉格朗日函数得该优化问题得对偶问题为：

s.t.α_i,β_i≥0,i＝1,2,...,l y_i∈R

其中，α＝(α₁，α₂，…，α_l)^T，β＝(β₁,β₂,...,β_l)^T为拉格朗日乘子，R表示实数；

假设α^*＝(α₁,α₂,...,α_l,β₁,β₂,...,β_l)是该最优化问题的最优解，则f(x)＝ω^*T·x+b^*

其中

S102，根据PSVM我们可以得到的PSVR的优化问题,在线性回归的方法中通过引入核函数将上述原始最优化问题调整为：

s.t.α_i,β_i≥0,i＝1,2,...,l y_i∈R；

其中，K()为核函数。

4.如权利要求1所述的基于隐私保护的气动力预测方法，其特征在于，在步骤二中，所述局部非线性核的获取方式被配置为包括：

S20，基于公式A_i＝A_i+N_i将PSVR中所有的参与方均生成带有扰动的对应保护数据，其中，A_i表示各参与方的数据集，N_i表示所添加的服从正态分布的噪声；

S21，对各个参与方的数据计算局部非线性核K，且在所有的参与方中共享非线性核。

5.如权利要求1所述的基于隐私保护的气动力预测方法，其特征在于，在步骤三中，在分布式数据库系统在使用PSVR进行回归时，全局核可以通过先求各节点的局部核，然后对各个节点的局部核求和以得到。