TY - A2的锣,大庆盟——太阳,Zhenlong盟——杨京盟-李,肖月PY - 2022 DA - 2022/03/26 TI -不同私人奇异值分解训练支持向量机SP - 2935975六世- 2022 AB -支持向量机(SVM)是一种有效的机器学习分类方法。传统的支持向量机分类模型可能对个人隐私构成巨大威胁,当敏感信息包含在训练数据集。主成分分析(PCA)可以到一个低维子空间,获取项目实例的方差矩阵 一个尽可能多的。有两种常见的算法,PCA用于执行主成分分析,特征值分解(EVD)和奇异值分解(计算)。圣言与EVD相比的主要优势是,它不需要计算协方差矩阵。本研究提出了一种新的不同私人奇异值分解算法(DPSVD)防止隐私泄露的SVM分类器。DPSVD生成一组私人奇异向量奇异子空间的投影实例可以直接用来训练支持向量机虽然不是披露隐私的原始实例。在理论上证明DPSVD满足微分隐私,几个实验。实验结果证明我们的方法达到更高的精度和更好的稳定性在不同的真实数据集,与其他现有的私人PCA算法训练支持向量机。SN - 1687 - 5265 UR - https://doi.org/10.1155/2022/2935975 - 10.1155 / 2022/2935975摩根富林明计算智力和神经科学PB - Hindawi KW - ER