Key points are not available for this paper at this time.
지진 속성 분석은 본질적으로 세 가지 상호 연결된 도전에 직면해 있습니다: 한정된 레이블, 높은 차원, 그리고 주요하게는 데이터 민감도로 인해 저수지 위치 및 유정 위치가 개인 정보 유출 위험에 노출될 수 있습니다. 정확한 군집화와 엄격한 기밀성을 조화시키기 위해, 우리는 희소 가중치 K-평균과 가우시안 차분 개인 정보 보호(GDP)를 융합한 반지도 군집화 프레임워크인 차분 개인 정보 보호 쌍 제약 K-평균(DP-PCSKM)을 제안합니다. 쌍 제약과 특성 선택은 단일 목표로 통합되어 동시에 군집 다듬기와 속성 가중치를 가능하게 합니다. GDP 노이즈는 중심 및 가중치 업데이트 단계에 신중하게 주입되며, 부드러운 임계값 연산자가 차원 수를 줄이고 따라서 민감도를 떨어뜨린 후 교란이 이루어져, 조절 가능한 개인 정보 보호와 유용성의 균형을 부여합니다. 실제 3D 지진 데이터에서 추출한 두 개의 2D 수평 단면(각각 398,871 및 274,284 그리드 포인트 포함)에 대해 실시된 블라인드 우물 테스트는, 강력한 개인 정보 보호 조건(μ = 0.6)에서 DP-PCSKM 알고리즘이 시각화 및 정확성 측면에서 기타 DP 기반 방법보다 뛰어남을 나타내며, 강력한 개인 정보 보호가 지질 해석에 미치는 영향이 미미함을 입증합니다.
Cui et al. (Mon,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: