基于灰关联分析的V-MDAV算法研究

距离度量会影响微聚集算法的聚类效果,为了提高算法的隐私保护能力,采用灰关联分析中的均衡接近度替代V-MDAV算法中的欧氏距离度量记录间的距离,提出基于灰关联分析的V-MDAV算法,即V-GRAV算法。由于均衡接近度既包含灰关联度对整体接近性的测度,又具有均衡度对序列均衡性测度的特点,克服了欧氏距离受局部奇异值影响较大的问题,所以V-GRAV算法在保证信息损失与V-MDAV相近的同时,较大程度地降低隐私泄露风险,实验证明了算法的有效性。