선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 k-평균 클러스터링을 수행할 때 데이터가 히스토그램의 각 버킷 영역의 중앙에만 위치한다고 가정하여 대부분의 데이터 특성과 상이하다는 단점이 있다. 따라서 본 논문은 이를 보완하기 위한 균등 샘플링 기반의 알고리즘을 제안한다.
- 본 논문에서는 쿼드 트리와 균등 샘플링를 이용하여 효과적으로 차분 프라이버시를 지키면서 k-평균 클러스터링을 수행하는 알고리즘을 제안하였다. 실생활 데이터를 이용한 실험을 통해 기존의 중심점 기반 k-평균 클러스터링 알고리즘 QuadkDP보다 제안하는 UniQuadkDP 알고리즘이 더 좋은 성능을 보임을 확인하였다.
- 차분 프라이버시 기법을 적용한 다양한 공개 기법들이 연구되었는데, k-평균 클러스터링의 결과를 공개하는 기존 알고리즘[3]은 일반적인 데이터 특성과 상이한 가정으로 인해 정확도가 저해되는 단점이 있다. 이에 대해 본 논문은 균등 샘플링을 이용하여 성능을 향상시키고 실생활 데이터를 이용한 실험을 통해 검증한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.