TY -的A2 -卡里尔,艾哈迈德Mostafa盟——吴Weisan PY - 2021 DA - 2021/12/30 TI -离散高斯期望最大化(梯度)算法对微分隐私SP - 7962489六世- 2021 AB -在这篇文章中,我们给一个修改梯度EM算法;它可以保护敏感数据的隐私通过添加离散高斯噪声机制。具体地说,它使得高维数据容易过程主要由伸缩,删除,乘法噪声,平滑数据的步骤。由于离散高斯分布的方差小于连续高斯,隐私的差异可以更有效地保证数据的添加离散高斯噪声的机制。最后,标准梯度EM算法,修剪算法,算法(DG-EM)与GMM模型进行比较。实验表明,我们的算法可以有效地保护高维敏感数据。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/7962489 - 10.1155 / 2021/7962489摩根富林明计算智力和神经科学PB - Hindawi KW - ER