1. 毕业设计（论文）主要内容：

目标简介：k最近邻(k-nearest neighbor，knn)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。随着人们对于自身隐私信息的重视，进行隐私保护的数据挖掘变得很有必要。很多高效的安全技术都可以被用到数据挖掘中来保护数据的隐私，例如负数据库技术。负数据库通过压缩存储正数据的补集来保护数据的隐私，它支持基本的数据库操作，同时也支持距离估算。本课题主要设计一种基于负数据库的隐私保护knn分类算法，并对其进行安全性和可用性分析。

设计内容：

2. 毕业设计（论文）主要任务及要求

1、 查阅15篇相关文献（含2篇外文），并每篇书写200—300字文献摘要（装订成册，带封面）；

2、 认真填写周记，完成800字开题报告；

3、 完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；

3. 毕业设计（论文）完成任务的计划与安排

1、 2018/1/14—2018/3/5：确定选题，查阅文献，外文翻译和撰写开题报告；

2、 2018/3/6—2018/4/30：系统架构、程序设计与开发、系统测试与完善；

3、 2018/5/1—2018/5/25：撰写及修改毕业论文；

4. 主要参考文献

[1]张著英,黄玉龙,王翰虎. 一个高效的knn分类算法[j]. 计算机科学,2008(03):170-172.

[2]闭小梅, 闭瑞华. knn算法综述[j]. 科技创新导报, 2009(14):31.

[3]潘丽芳,杨炳儒. 基于簇的k最近邻(knn)分类算法研究[j]. 计算机工程与设计,2009,30(18):4260-4262.