Ta witryna wykorzystuje cookies. Więcej informacji można znaleźć na stronie Polityka dotycząca cookies i podobnych technologii. ZAMKNIJ Zamknij ostrzeżenie dotyczące cookies

Piotr Andruszkiewicz obronił rozprawę doktorską

P.Andruszkiewicz

Piotr Andruszkiewicz

W dniu 20 grudnia (wtorek), o godzinie 9:00 w sali 116 odbyłai się obrona pracy doktorskiej Piotra Andruszkiewicza "Privacy Preserving Classification and Association Rules Mining over Centralised Data". Promotorem rozprawy była prof. nzw. dr hab. Marzena Kryszkiewicz.

Praca jest poświęcona zagadnieniu zapewniania prywatności w odkrywaniu reguł asocjacyjnych oraz klasyfikacji z wykorzystaniem danych scentralizowanych, które zostały zmodyfikowane przy użyciu metody zakłócania oryginalnej wartości polegającej na modyfikacji poszczególnych wartości w losowy sposób.
Zgodnie z założeniami tej metody w trakcie budowy klasyfikatora i odkrywania reguł asocjacyjnych znane są jedynie dane zmodyfikowane i parametry opisujące procedurę modyfikacji.
W pracy zaproponowana została optymalizacja MMASK dla algorytmu odkrywania reguł asocjacyjnych z zapewnianiem prywatności, która w zadaniu szacowania wsparcia zbioru eliminuje wykładniczą ze względu na liczbę elementów tego zbioru złożoność obliczeniową i czyni proces odkrywania zbiorów częstych z zapewnianiem prywatności, a w konsekwencji reguł asocjacyjnych, możliwym w praktycznych zastosowaniach. Optymalizacja ta pozwala również na wykorzystanie różnych parametrów modyfikacji poszczególnych wartości atrybutów i umożliwia poprawę jakości uzyskiwanych rezultatów przy zadanym poziomie prywatności.
Zaproponowana w pracy metoda modyfikacji oryginalnych wartości atrybutów porządkowych pozwala na przeprowadzenie tego procesu zgodnie z porządkiem i dziedziną tych atrybutów.
Dodatkowo zaproponowano metody klasyfikacji oparte na wzorcach wyłaniających i zapewniające prywatność. Przedstawione metody zostały wykorzystane w gorliwym klasyfikatorze ePPCwEP i leniwym lPPCwEP. Klasyfikatory te są zapewniającymi prywatność modyfikacjami algorytmów CAEP i DeEPs.
W pracy zaproponowano także wykorzystanie metauczenia. Zastosowane zostały nie tylko metody bagging i boosting, ale także połączono rezultaty pochodzące z różnych algorytmów rekonstrukcji oryginalnego rozkładu wartości atrybutów oraz typów rekonstrukcji dla drzewa decyzyjnego w celu poprawy jakości klasyfikacji. Eksperymentalnie wykazano, że metauczenie pozwala na uzyskanie większego wzrostu jakości klasyfikacji przy wykorzystaniu zmodyfikowanych danych niż w przypadku braku zapewniania prywatności.
Zaproponowane w pracy metody zostały przetestowane i porównane z dotychczas istniejącymi. Nowe metody pozwoliły na uzyskanie lepszych rezultatów w odkrywaniu reguł asocjacyjnych i klasyfikacji z zachowaniem prywatności, a także na zmniejszenie złożoności czasowej procesu odkrywania reguł asocjacyjnych.

Piotr Andruszkiewicz w Repozytorium

Ostatnia modyfikacja: poniedziałek, 18 czerwca 2012, 11:45:25, Wacław Struk

x x Aktualności (3) - wg daty publikacji

‹‹ Grudzień 2011 ››
Pon Wt Śr Czw Pt So N
      1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30 31