基于信息濃縮的隱私保護(hù)分類方法

　　支持向量機(jī)（SVM）的分類決策過(guò)程涉及到對(duì)原始訓(xùn)練樣本的學(xué)習(xí)，容易導(dǎo)致數(shù)據(jù)中隱私信息的泄漏。為解決上述問(wèn)題，提出一種基于信息濃縮的隱私保護(hù)分類方法IC-SVM。該算法首先根據(jù)樣本的鄰域信息，通過(guò)模糊C均值（ FCM）聚類算法進(jìn)行聚類分析；接著，使用信息濃縮準(zhǔn)則對(duì)聚類中心進(jìn)行處理，得到濃縮點(diǎn)組成的新樣本；最后，使用新樣本進(jìn)行訓(xùn)練并得到?jīng)Q策函數(shù)，并用它去進(jìn)行分類測(cè)試，可以較好地保護(hù)數(shù)據(jù)的隱私。在UCI真實(shí)數(shù)據(jù)和PIE人臉數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明，IC-SVM方法既能保護(hù)數(shù)據(jù)信息的安全，又有較高的分類準(zhǔn)確率。