[发明专利]一种基于满足二次聚集的MLDM算法处理大数据的方法

权利要求书

1.一种基于满足二次聚集的MLDM算法处理大数据的方法，其特征在于，所述基于满足二次聚集的MLDM算法处理大数据的方法在(l,d,e)-MDAV算法的基础之上引入k-means算法；在处理大数据集时，先将大数据集划分为若干个小数据集，再用(l,d,e)-MDAV算法对每个小数据集进行处理，最后将处理后的数据合并，使整个数据集满足(l,d,e)-diversity规则，通过改进能得到较好的算法时间复杂度和算法时间；

所述基于满足二次聚集的MLDM算法处理大数据的方法具体包括：

(1)任意选择c个对象设为初始聚类中心；

(2)其他数据对象分别计算各自与初始聚类中心的相似度，并将其他的数据对象分别划分到与之具有最小的相似度的聚类；重新计算新的聚类中心；

(3)重新计算所有变化的聚类中心(该聚类中所有对象的均值)；

(4)计算标准测度函数，当满足一定条件，如函数收敛时，则算法终止，否则重复步骤(2)；

(5)计算每一个较小的数据集的中心点计算距离最远的记录r，计算距离r最远的记录s；

(6)以r为中心，计算距离r最近的k-1条记录，计算这k条记录准标识符的质心计算等价组中敏感属性值的个数，若不足l个做如下处理：计算距离等价组最近的元组，观察其敏感属性，记为A，看A是否在等价组中出现过,若没有出现过，添加该元组，若出现过，继续搜索最近的元组，直到找到合适的元组添加进来；继续搜索周边的元组，计算其敏感属性值与内质心的差异值，看其是否大于等于e,满足条件加入该元组，直到加入d个这样的元组；最后用质心取代这k条记录；

(7)以s为中心，计算距离s最近的k-1条记录；计算这k条记录准标识符的质心；计算等价组中敏感属性值的个数，若不足l个做如下处理：计算距离等价组最近的元组，观察其敏感属性，记为A，看A是否在等价组中出现过,若没有出现过，添加该元组，若出现过，继续搜索最近的元组，直到找到合适的元组添加进来；继续搜索周边的元组，计算其敏感属性值与内质心的差异值，看其是否大于等于e,满足条件加入该元组，直到加入d个这样的元组；最后用质心取代这k条记录；

(8)若剩余元组数大于等于2k，则继续执行步骤(5)～(7)；

(9)若剩余元组数介于[k,2k-1]之间，将这些记录自成一类，否则分别计算每个元组距离最近的类，并将其加入该类中；

(10)将剩余的不足k条记录隐匿；

(11)合并所有处理完的较小的数据集。

2.如权利要求1所述的基于满足二次聚集的MLDM算法处理大数据的方法，其特征在于，所述MLDM算法要求在处理大数据集时，引入k-means算法，再用(l,d,e)-MDAV算法进行匿名处理。

3.如权利要求1所述的基于满足二次聚集的MLDM算法处理大数据的方法，其特征在于，所述基于满足二次聚集的MLDM算法处理大数据的方法包括：

输入：n个对象的数据集T，参数c，参数l，参数d，匿名参数k，属性差异值e，准标识符QI；

输出：满足(l,d,e)-diversity规则的数据表T'。