基于信息浓缩的隐私保护分类方法

　　支持向量机（SVM）的分类决策过程涉及到对原始训练样本的学习，容易导致数据中隐私信息的泄漏。为解决上述问题，提出一种基于信息浓缩的隐私保护分类方法IC-SVM。该算法首先根据样本的邻域信息，通过模糊C均值（ FCM）聚类算法进行聚类分析；接着，使用信息浓缩准则对聚类中心进行处理，得到浓缩点组成的新样本；最后，使用新样本进行训练并得到决策函数，并用它去进行分类测试，可以较好地保护数据的隐私。在UCI真实数据和PIE人脸数据上的实验结果表明，IC-SVM方法既能保护数据信息的安全，又有较高的分类准确率。