Andere Kunden interessierten sich auch für
![Identifier une stratégie efficace pour enseigner la lecture aux élèves souffrant de troubles spécifiques du développement]( "Identifier une stratégie efficace pour enseigner la lecture aux élèves souffrant de troubles spécifiques du développement")
Identifier une stratégie efficace pour enseigner la lecture aux élèves souffrant de troubles spécifiques du développement29,99 €![An Efficient Technique to Secure Data Access Multi Overlapping Slicing]( "An Efficient Technique to Secure Data Access Multi Overlapping Slicing")
An Efficient Technique to Secure Data Access Multi Overlapping Slicing29,99 €![Algorithmes d'apprentissage automatique pour une segmentation efficace des tumeurs cérébrales]( "Algorithmes d'apprentissage automatique pour une segmentation efficace des tumeurs cérébrales")
Algorithmes d'apprentissage automatique pour une segmentation efficace des tumeurs cérébrales36,99 €![Una Técnica Eficiente para Asegurar el Acceso a Datos Multi Overlapping Slicing]( "Una Técnica Eficiente para Asegurar el Acceso a Datos Multi Overlapping Slicing")
Una Técnica Eficiente para Asegurar el Acceso a Datos Multi Overlapping Slicing32,99 €![UNE COMMUNICATION EFFICACE]( "UNE COMMUNICATION EFFICACE")
UNE COMMUNICATION EFFICACE26,99 €![EDA- Analyse des données de l'éducation : une nouvelle approche]( "EDA- Analyse des données de l'éducation : une nouvelle approche")
EDA- Analyse des données de l'éducation : une nouvelle approche36,99 €![Uma técnica eficiente para proteger o acesso a dados Multi Overlapping Slicing]( "Uma técnica eficiente para proteger o acesso a dados Multi Overlapping Slicing")
Uma técnica eficiente para proteger o acesso a dados Multi Overlapping Slicing29,99 €
Le Data Mining est le processus qui consiste à analyser les données sous différents angles, à les résumer et à extraire les informations nécessaires de la base de données. La plupart des entreprises collectent et stockent des données dans de grandes bases de données. La confidentialité des bases de données est une responsabilité importante des organisations qui doivent protéger les informations sensibles des clients, car ces derniers leur font confiance. Diverses techniques d'anonymisation ont été proposées pour assurer la confidentialité des microdonnées sensibles. La généralisation fait perdre une quantité considérable d'informations, en particulier pour les données à haute dimension. La catégorisation n'empêche pas la divulgation de l'appartenance et ne s'applique pas aux données qui ne présentent pas une séparation claire entre les attributs quasi-identifiants et les attributs sensibles. Le découpage en tranches est une technique proposée pour les ensembles de données publiés anonymes en partitionnant l'ensemble de données verticalement et horizontalement. La technique proposée accroît l'utilité et la confidentialité d'un ensemble de données découpées en tranches en permettant un découpage par chevauchement tout en empêchant la divulgation de l'appartenance. Elle permet également un accès sécurisé aux données pour de multiples domaines. Cette nouvelle approche fonctionne sur le découpage en tranches superposées pour améliorer et préserver l'utilité et la confidentialité des données, mieux que le découpage traditionnel.