Parzen窗密度估计器的隐私保护实现

互联网的快速发展使得网络中的数据共享和交换行为变得越来越频繁,但与此同时也带来了隐私保护方面的诸多问题,如何在数据挖掘过程中保护好隐私已经成为一个亟待解决的问题。本文设计了一种新型的能有效提取需要的特征值而不需提供原始数据的密度估计器,拟从概率密度函数的角度出发,利用Parzen窗法估计总体样本的概率分布密度,把决策函数利用泰勒展开式展开,展开之后的模型中已不包含原始数据,从而达到隐私保护的目的。