.png){kind=icon}
返回
Location Problems with Privacy
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-10759-6_2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在探讨大数据环境带来的隐私挑战下，我们研究了已知的设施选址问题。对于给定的n个点集U是R-d的元素，先前的研究引入了拓扑描述符网格（TDG）[13, 14]，这是一个在隐私保护框架下，使得多种聚类问题能够获得近似解的方法。在本文中，我们引入了在R-2中基于同心圆的等距位置估计（LECC）框架，该框架模糊了精确的点位置，同时保留了它们相对于预定点的相对距离。我们展示了，在这个新的框架下，如何为1-中心、1-中位数、1-均值和k-中心问题获得2 + O(1/n)近似解，以及分别为k-中心、k-中位数和k-均值问题提供O(k)、O(k)、O(k²)的近似解。对于TDG框架，我们提供了k-中心、k-中位数和k-均值问题的(√d, k(d-1))、(d, k(d-1))和(d², k(d-1))近似解。
Keyword:
Facility location
Privacy
Approximation algorithms
期刊
C
IF:
0
论文数:
25
被引数:
0
机构
引用论文
Differential privacy for location pattern mining.png)
Proceedings of the 4th ACM SIGSPATIAL International Workshop on Security and Privacy in GIS and LBS
Proceedings of the 4th ACM SIGSPATIAL International Workshop on Security and Privacy in GIS and LBSIF0
PREAI
分享收藏
Geo-indistinguishabilityProceedings of the 2013 ACM SIGSAC conference on Computer & communications security - CCS '13
OAAI
Proceedings of the 2013 ACM SIGSAC conference on Computer & communications security - CCS '13IF0
OAAI分享收藏Deterministic wavelet thresholding for maximum-error metricsProceedings of the twenty-third ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems
Proceedings of the twenty-third ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systemsIF0
PREAI
分享收藏
查看更多内容