综合评价
使用正向辅助推荐的候选配置参数P或反向主动推荐的候选配置参数Ps中的配置方案分别对原始数据进行匿名化处理;其中使用正向辅助推荐的候选配置参数P对原始数据进行匿名化处理后的数据记为D=[d0,d1,d2,d3……dn],使用反向主动推荐的候选配置参数Ps对原始数据进行匿名化处理后的数据记为Ds=[ds1,ds2,ds3,……,dsn];
对匿名化处理后的数据,依次使用对应的风险模型对D或Ds进行风险分析,将对D进行风险分析后的结果记为R,R=[r0,r1,r2,r3,……,rn];将对Ds进行风险分析后的结果记为Rs,Rs=[rs0,rs1,rs2,rs3,……,rsn];
将R中的结果或Rs中的结果与rt对比,保留小于rt的匿名后数据,将R中对应的匿名后数据记为D’=[d0’,d1’,d2’,d3’……dn’],将Rs中对应的匿名后数据记为DS’=[ds0’,ds1’,ds2’,ds3’……dsn’];
使用准确率模型、非均匀熵模型和分辨率模型对D’或DS’中的数据进行效用分析,分析结果为准确率模型、非均匀熵模型和分辨率模型产生结果的平均值,将D’的分析结果记为U=[u1,u2,u3……un],将DS’的分析结果记为Us=[us1,us2,us3,……,usn];
比较U或Us中的值,选择其中最大值对应的匿名后数据作为输出;并将其对应的风险值r、效用值u、配置参数p及对应的原始数据的数据特征F加入历史配置方案资源池。
查看更多>