Andere Kunden interessierten sich auch für
![Privacy preserving Data Mining by Inverse Frequent Item Set Mining]( "Privacy preserving Data Mining by Inverse Frequent Item Set Mining")
Privacy preserving Data Mining by Inverse Frequent Item Set Mining29,99 €![Privacidade preservando a mineração de dados por Inverse Frequent ItemSet Mining]( "Privacidade preservando a mineração de dados por Inverse Frequent ItemSet Mining")
Privacidade preservando a mineração de dados por Inverse Frequent ItemSet Mining29,99 €![Estrazione di dati a tutela della privacy mediante l'estrazione inversa di insiemi frequenti di elementi]( "Estrazione di dati a tutela della privacy mediante l'estrazione inversa di insiemi frequenti di elementi")
Estrazione di dati a tutela della privacy mediante l'estrazione inversa di insiemi frequenti di elementi29,99 €![Dobycha dannyh s sohraneniem konfidencial'nosti s pomosch'ü inwersnogo poiska naborow chastyh älementow]( "Dobycha dannyh s sohraneniem konfidencial'nosti s pomosch'ü inwersnogo poiska naborow chastyh älementow")
Dobycha dannyh s sohraneniem konfidencial'nosti s pomosch'ü inwersnogo poiska naborow chastyh älementow13,99 €![Extraction de données préservant la confidentialité par l'extraction d'ensembles d'éléments fréquents inversés]( "Extraction de données préservant la confidentialité par l'extraction d'ensembles d'éléments fréquents inversés")
Extraction de données préservant la confidentialité par l'extraction d'ensembles d'éléments fréquents inversés29,99 €![Real-Time Business Intelligence & Frequent Pattern Mining Algorithm]( "Real-Time Business Intelligence & Frequent Pattern Mining Algorithm")
Real-Time Business Intelligence & Frequent Pattern Mining Algorithm38,99 €![Hybrider Ansatz für die Auswahl von Cloud-Diensten, die für Big Data geeignet sind]( "Hybrider Ansatz für die Auswahl von Cloud-Diensten, die für Big Data geeignet sind")
Hybrider Ansatz für die Auswahl von Cloud-Diensten, die für Big Data geeignet sind54,90 €
In diesem Buch wird ein aufkommendes Forschungsthema im Bereich Data Mining, bekannt als Privacy-Preserving Data Mining (PPDM), behandelt. Es ist eine Anwendung der Data-Mining-Forschung als Reaktion auf die Datenschutzsicherheit beim Data-Mining. Dies wird als datenschutzerweitertes oder datenschutzempfindliches Data Mining bezeichnet. Die Wahrung der Privatsphäre beim Data Mining hat sich als absolute Voraussetzung für den Austausch vertraulicher Informationen in Bezug auf Datenanalyse, Validierung und Veröffentlichung herauskristallisiert. Dieses Buch bietet einen umfassenden Überblick über neue Perspektiven und systematische Interpretation einer Liste veröffentlichter Literatur durch ihre sorgfältige Organisation in Unterkategorien. Die PPDM-Techniken können anhand von 3 Merkmalen klassifiziert werden: Datenverteilung, Zwecke des Verbergens, Data-Mining-Algorithmen.Data Mining ist ein sehr wichtiges Werkzeug, das von Organisationen verwendet wird, um besseren Service zu bieten, mehr Gewinn zu erzielen und bessere Entscheidungen zu treffen. Aber Datenschutz- und Sicherheitsbedenken können ein Hindernis bei der Data-Mining-Aufgabe darstellen. Diese Barrieren können durch die Anwendung von PPDM-Techniken und durch die Gewährleistung der Sicherheit bei der Data-Mining-Aufgabe beseitigt werden. Viele Techniken wurden für PPDM vorgeschlagen, wobei jede Technik in ihrer eigenen Hinsicht einige Vorteile gegenüber einer anderen hat.