机译:通过使用差分平滑来生成披露风险降低的部分合成地理编码公共用途数据
Drexel Univ, Philadelphia, PA 19104 USA;
Univ Missouri, Columbia, MO 65211 USA;
Univ Missouri, Columbia, MO 65211 USA;
Bayesian methods; Data privacy; Multiple imputation; Spatial modelling; Synthetic data;
机译:使用部分合成数据进行的披露控制,用于大规模健康调查,并应用于CanCORS
机译:风险厌恶,公开披露,部分知情的外人
机译:基于复杂的样本调查数据,生成合成数据以生成小地理区域的公共用途微数据,并将其应用于《国家卫生访问调查》
机译:在估计部分合成数据中的标识披露风险时,应考虑抽样导致的入侵者不确定性
机译:从多变量调查数据创建合成数据的新方法进行统计泄露控制
机译:使用部分合成数据进行大规模健康调查的信息披露控制并应用于CanCORS
机译:生成具有减少的部分合成地理编码公共使用数据 使用差分平滑的披露风险