[发明专利]基于轮廓系数的差分隐私保护K-means聚类方法

摘要

本发明公开了一种基于轮廓系数的差分隐私保护K‑means聚类方法，具体按照以下步骤实施：步骤1、对数据集D中的所有数据做归一化处理；步骤2、将具有N条记录的数据集D平均分为K个集合；步骤3、对于集合Ck求各记录的属性向量之和及记录数步骤4、计算每个记录ai到k个聚类中心uk的距离；步骤5、计算该聚类的记录数量num和各记录的属性向量之和sum；步骤6、计算k个聚类的轮廓系数Sk，并对numk和sumk添加随机噪声步骤7、计算新的聚类中心；步骤8、计算新的聚类中心和上次迭代的聚类中心的距离，若小于阈值，算法结束，本发明解决了现有技术中存在的分布式环境下大数据聚类分析中信息泄露严重的问题。

主权项

1.基于轮廓系数的差分隐私保护K‑means聚类方法，其特征在于，具体按照以下步骤实施：步骤1、将数据集分为M个大小相同的数据片分别执行Map任务和Reduce任务，假设数据集为D，数据集中的总记录数为N，记录记为a_i，其中，1≤i≤N，记录的维数为d，聚类个数为K，第k个中心点记为u_k，1≤k≤K，隐私预算ε，第t次迭代中第k个聚类的随机噪声为t为迭代次数；步骤2、对数据集D中的所有数据做归一化处理；步骤3、将有N条记录的数据集D平均分为K个集合Ck，1≤k≤K，集合Ck有N/K条数据；步骤4、对于集合C_k求各记录的属性向量之和及记录数分别对和添加随机噪声得到和计算初始中心点步骤5、计算每个记录ai到k个聚类中心uk的距离；步骤6、计算该聚类的记录数量num和各记录的属性向量之和sum；步骤7、计算第k个聚类的轮廓系数S_k，并对num_k和sum_k添加随机噪声步骤8、计算新的聚类中心步骤9、计算新的聚类中心和上次迭代的聚类中心的距离，若小于阈值，则结束，输出聚类集合，否则返回步骤5。