Libros importados con hasta 50% OFF + Envío Gratis a todo USA  Ver más

menu

0

My Account

  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional
portada Approccio basato sulla correlazione per nascondere elementi sensibili nel data mining (in Italian)
Type
Physical Book
Author
Publisher
Language
Italiano
Pages
128
Format
Paperback
Dimensions
22.9 x 15.2 x 0.8 cm
Weight
0.20 kg.
ISBN13
9786205898000
Categories

Approccio basato sulla correlazione per nascondere elementi sensibili nel data mining (in Italian)

Kuncham Sreenivasa Rao (Author) · Changalasetty Suresh Babu (Author) · Avula Damodaram (Author) · Edizioni Sapienza · Paperback

Approccio basato sulla correlazione per nascondere elementi sensibili nel data mining (in Italian) - Sreenivasa Rao, Kuncham ; Suresh Babu, Changalasetty ; Damodaram, Avula

Physical Book

$ 59.79

$ 71.00

You save: $ 11.21

16% discount
Envío gratis a todo Estados Unidos
  • Condition: New

Choose the list to add your product or create one New List

Go to My Wishlists
It will be shipped from our warehouse between Monday, July 01 and Tuesday, July 02.
You will receive it anywhere in United States between 1 and 3 business days after shipment.

Synopsis "Approccio basato sulla correlazione per nascondere elementi sensibili nel data mining (in Italian)"

L'obiettivo principale del data mining è quello di estrarre informazioni di alto livello o nascoste da grandi database. Oltre al vantaggio di estrarre schemi utili, il data mining presenta anche la minaccia di rivelare le informazioni sensibili dell'utente. Possiamo nascondere le informazioni sensibili dell'utente utilizzando il data mining a tutela della privacy (PPDM). Nell'ambito del data mining, l'estrazione di regole di associazione è un metodo popolare e ben studiato per scoprire relazioni interessanti tra variabili in grandi database. Poiché le regole di associazione sono uno strumento chiave per trovare tali modelli, alcune regole di associazione possono essere classificate come sensibili se il loro rischio di divulgazione è superiore a una determinata soglia. La maggior parte degli approcci al data mining che preservano la privacy utilizzano il supporto e la fiducia. In questo libro l'autore ha proposto un approccio basato sulla correlazione che utilizza misure diverse dal supporto e dalla confidenza, come la correlazione tra gli elementi degli insiemi sensibili, per nascondere gli insiemi frequenti sensibili. Le colonne del set di dati che hanno un determinato valore soglia di correlazione vengono considerate per il processo di occultamento. Questo meccanismo è chiamato meccanismo di pesatura del coefficiente di correlazione di Pearson, che mantiene il compromesso tra privacy e accuratezza.

Customers reviews

More customer reviews
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Frequently Asked Questions about the Book

Is the book original?

All books in our catalog are Original.

In what language is the book written?

The book is written in Italian.

What is the format of this book?

The binding of this edition is Paperback.

Questions and Answers about the Book

Do you have a question about the book? Login to be able to add your own question.

Opinions about Bookdelivery

More customer reviews