基于混合聚类的k-匿名数据发布算法

为了减少数据发布时的信息损失，针对基于聚类的数据发布匿名方案数据可用性较低等问题，文中提出了一种基于混合聚类的k-匿名数据发布算法。相对于传统的单一聚类方法，该算法将密度聚类和划分聚类相结合，依据数据集的密度特征选取初始聚类中心点，利用划分聚类进行迭代实现最优聚类。此外，该方法剔除了数据集中的部分离群点噪声，减小了其对聚类结果的影响。针对混合型数据记录，采用k-means和k-modes结合的距离度量方式，引入桶泛化算法，减少了泛化操作造成的信息损失。实验结果表明，相较于现有方法，基于混合聚类的k-匿名数据发布算法能够有效降低数据匿名的信息损失，提高数据发布的质量。