迅睿CMS(xunruicms)免登陆数据发布插件 需先安装到迅睿CMS后台,有密码验证安全功能,有相同文章不重复发布功能。 支持对接火车头,简数,八爪鱼等采集器,解决数据的发布问题,也可以用于网站搬家等。
2023-02-03 04:17:19 15KB 迅睿 php 发布插件 免登陆
1
DiffGen 用于数据挖掘的差异私有数据发布[SIGKDD 2011] 许可证:知识共享署名-非商业性-相同方式共享4.0国际公共许可证 业主:诺曼·穆罕默德(Noman Mohammed),陈瑞和本杰明·冯(Benjamin CM Fung) 出版物: N. Mohammed,R。Chen,BCM Fung和PS Yu。 用于数据挖掘的差异私有数据发布。 在第17届ACM SIGKDD国际知识发现和数据挖掘会议(SIGKDD)的会议记录中,第493-501页,加利福尼亚州圣地亚哥:ACM出版社,2011年8月。 免责声明: 该软件按原样提供,不提供任何保修或支持。 对于因使用我们的软件而引起的任何损坏,收入损失或任何问题,我们不承担任何责任。 如有疑问,建议您查阅本文和源代码。 如果您发现我们的软件有用,请在上面引用我们的论文。 成人数据集也可以从以下获得: :
2022-11-16 15:47:27 867KB C++
1
用于集成航空和天气数据、提供 API 并支持进一步数据分析的环境 1.存档内容说明 文档 - 该文件夹包含可编辑的文档( documentation.docx ) 和 finalnek ( documentation.pdf ) 演示文稿 - 该文件夹包含可编辑 ( presentation.pptx ) 和最终 ( presentation.pdf ) 版本的类的演示文稿 source_code - 包含应用程序源代码的文件夹 database.zip - 压缩数据库 2. 系统要求 java - 至少版本 1.8.0_45 互联网 3.如何运行 要运行该应用程序,请在source_code文件夹中运行命令./gradlew bootRun 。 这将启动应用程序,该应用程序将从网站上注册下载数据,同时注册允许查看当前数据库内容的 API。 3.1 可以继续下载database.zi
2022-10-18 14:25:14 665KB Java
1
基于匿名化技术的理论基础,采用DBSCAN聚类算法对数据记录进行聚类,实现将个体记录匿名化隐藏于一组记录中。为提高隐私保护程度,对匿名化划分的数据添加拉普拉斯噪声,扰动个体数据真实值,以实现差分隐私保护模型的要求。通过聚类,分化查询函数敏感性,提高数据可用性。对算法隐私性进行证明,并实验说明发布数据的可用性。
1
扫描完整版带书签 隐私保护数据发布 模型与算法 隐私保护数据发布 模型与算法
2022-05-23 15:57:42 95.75MB 隐私保护
1
实时数据发布服务的研究、基于DDS的发布/订阅中间件设计等五篇论文
2022-04-12 09:59:12 1.47MB DDS 数据分发服务 中间件
1
V3摘要统计信息 从上一轮GWAS的(N = 337199), 目录 更新 通过重新发布UK Biobank基因型估算(我们称其为impulated-v3),我们为遗传学界生成了一套更新的GWAS摘要统计信息。 应用UKB31063和addtl增加了表型的数量。 自定义策展表型(请参阅估算的v3表型) 更自由地包含样本(请参阅估算的v3样本质量控制) 包含更多SNP(请参阅估算的v3变体质量控制) 更新了我们的关联模型(impted-v3关联模型)我们最大的变化是,对于所有表型,我们都运行了仅雌性和雄性GWAS以及完整的GWAS。 上一轮GWAS的信息和脚本可在子目录中找到 最后, 和脚本存储库是指用于运行GWAS的Hail版本 变更记录 Rapid GWAS摘要统计信息的更新或下载清单将在此处记录: 2021年1月 目前,我们的DropBox帐户遇到问题并正在解决。 感谢您
2022-03-10 21:57:52 93KB Python
1
开源数据发布,支持发布wms,wfs。发布简单方便,支持各种数据库下的数据发布
2022-02-14 10:46:30 61.56MB 数据发布
1
目前大部分隐私保护关系型数据发布算法均未能有效兼顾算法效率和发布数据的可用性.从空间多维划分的角度研究关系型数据发布中的隐私保护问题,发现前期研究提出的基于子空间划分的隐私保护最优k-匿名动态规划算法(k-ASPDP)可适用于多种隐私保护机制,进而设计出一种基于多维划分的隐私保护关系型数据发布动态规划算法框架Bottom-Up MG,并针对动态规划算法k-ASPDP空间复杂度较大的不足,提出一个空间可扩展性强的混合k-匿名化算法k-ASPDP+.实验分别对以l-多样性为隐私保护机制的Bottom-Up M
2022-02-04 08:03:34 515KB 自然科学 论文
1
随着大数据共享时代的到来,数据隐私保护问题也随之突显。自 2006 年提出以来,差分隐私技术在支持隐私保护的数据挖掘与数据发布方面得到了广泛研究。近年来,Google、Apple 等公司陆续将差分隐私技术应用于最新产品中,差分隐私技术再次成为学术界和产业界的焦点。首先,对传统集中式模型下的差分隐私技术进行综述,介绍了面向数据挖掘与数据发布的差分隐私技术。然后,着重对最新的基于本地差分隐私模型下的数据收集与数据分析进行阐述,涉及众包模型下的随机响应、BloomFilter、统计推断等技术。最后,对差分隐私技术面临的主要问题和解决方案进行总结。
1