多输出Bent函数有关性质的研究

讨论了多输出Bent函数的自相关特征,给出了Bent函数自相关的两个充分必要条件;研究了多输出Bent函数的代数次数、扩散特性及计数;归纳了多输出Bent函数的等价性质;给出了多输出Bent函数的两种构造方法.     

C++函数重载实现方法剖析

目的剖析C 中重要语法函数重载的实现机制,应用获得的结果,分析C 和C语言中的相关语法特征。方法采用Visual C 为实验工具,利用编译器生成的COD文件,对源代码和相应的汇编代码进行比对、归纳,得出结论。结果获得了C 函数重载的实现方法的关键策略,获得了关键策略中的部分编码规则,解释了相关语法现象。结论改名策略是C 函数重载实现机制的关键,也是实现C 中类型安全的链接的特征的基础,可以利用该实现策略对C语言中函数的相关语法进行解释。     

利用声场双耳互相关函数和声源自相关函数计算音乐信号与脉冲响应卷积信号的IACC

双耳脉冲响应（BIRs）是用以表征音乐厅和歌剧院声场特征的参量．由于BIRs是表征声场的转移函数，因此，在消声室中录制的声源信号与BIRs卷积，就代表在实际声场中听到的信号．为了探究原信号的声学特征，一种有效的方法是计算其自相关函数（ACF），因为从ACF中导出的参量能与听者的主观优选良好相关．因此可以说，卷积与相关是室内声学中最重要的计算方法．文中通过将BIRs导出的双耳互相关函数（IACF）和将干信号与BIRs卷积后的IACF作比较，探讨了声源信号与声场之间的关系．在特定备件下，卷积与相关是等同的，此时，干信号与BIRs卷积后的IACC可直接由BIRs导出的IACC与干信号的ACF的有效时间τe来表示。     

支持向量机中核函数及其参数选择研究

将SVM应用于解决实际问题中时,选择核函数及其参数是一个关键,核函数及其参数选择的好坏直接影响SVM分类器性能的优劣,因此如何选择核函数及其参数就成为研究SVM的一个重要分支。本文分析了常用核函数性质,为核函数选择提供指导。对近年来新的核参数选择算法进行了归纳,并分析了它们的优缺点,最后对其进行总结与展望。     

二元函数极限求解的方法和策略

函数极限概念与函数极限求法是近代微积分学的基础,文章对二元函数极限定义和它们的求解方法进行了归纳和总结,并在某些具体的求解方法中就其中要注意的细节和技巧做了说明,以便于我们了解函数的各种极限以及对各类函数极限计算方法。函数极限的求法有很多,每种方法都有其优缺点,对某个具体的求极限问题,我们可以根据它的类型选择最优的方法。     

选择逻辑函数的密码学性质

通过计算选择逻辑函数的Walsh循环谱和自相关函数，系统分析了选择逻辑函数的密码学性质。所得结论表明选择逻辑函数在变元个数较大的情况下具有理想的稳定性，能够抵抗最佳仿射（BAA）攻击，但是其“扩散”特性不够理想，在一定意义下不能有效地抗击差分攻击。讨论了与选择逻辑函数线性等价意义下满足严格雪崩准则或具有相关免疫性的逻辑函数构造问题。     

相关免疫函数的组合分析法

在密码设计过程中,安全性是设计者首先要考虑的问题之一。前馈网络是一种重要的密钥流生成器。相关免疫函数是Ｓｉｅｇｅｎｔｈａｌｅｒ提出的抗击对前馈网络流密码生成相关攻击的一类函数。本文利用布尔函数的小项和表示法,从组合的角度揭示相关免疫函数的特征。这种组合分析方法对构造相关免疫函数也是一种理想的方法。     

利用积分确定函数方程的方法探析

积分学是微积分中的重要部分之一，在高等数学中占有相当重要的地位。目前就高等数学而言，我们主要分析的是一元函数的积分学，而其主要包括不定积分与定积分两个方面。通过对高等数学架构的分析，我们不难知道，积分数学本身是一门有规律的学科。在相应的函数方程考察中，我们也能知道积分与函数之间是关联的，对于函数方程的确定，我们能够有效分析其中积分解题方法。本文将就积分的角度而言，对与函数方程相关的题目进行必要的归纳总结，并给出相关的微积分方法确定函数方程，以更好地实现确定函数方程的方法，并研究相关的微积分与函数之间的变化规律。     

多输出函数的自相关函数特征及Walsh谱特征

给出了多输出函数自相关函数的定义,并得到了多输出函数的自相关函数特征和Walsh谱特征的关系式;证明了多输出函数的Walsh谱的两种变换的关系式、Plancheral公式、能量守恒公式、卷积公式;得到了谱的平稳性．有助于进一步研究多输出函数的密码学性质．     

“LFMCW雷达信号多周期模糊函数分析”再研究

针对郭磊等人的论文"LFMCW雷达信号多周期模糊函数分析"中关于线性调频连续波(LFMCW)雷达信号单周期模糊函数的推导及其单周期、多周期距离自相关函数和模糊图仿真有误的情况,该文从周期调制连续波信号的单周期模糊函数定义出发,推导出LFMCW信号的单周期模糊函数,利用单周期模糊函数与周期模糊函数的关系获得LFMCW信号的周期模糊函数。仿真结果表明,LFMCW信号的单周期或周期模糊函数具有奇数个完整的"斜刀刃"和2个"半斜刀刃";周期速度自相关函数是单周期速度自相关函数在多普勒域的N(N为周期数)倍压缩;周期距离自相关函数是其单周期自相关函数的N次复制。     

特征抽取的一个新算法

特征抽取无论在模式识别还是在光谱信道和色谱柱组合选择中,皆具有重要意义.本文提出了一个基于复相关系数的特征抽取新方法.藉扫描算法,本法可在微机上方便快迷运行.将该法对用于诊断两类疑难疾患的模式识别数据进行了特征变量的选择.获得满意结果.     

基于信息损失量的特征选择方法研究及应用

通过研究特征变量与类变量的信息测度和特征子集与类变量之间信息测度计算方法,实现快速的特征选择。将基于扩展熵的信息损失量测度用于度量类变量之间的相关性。为避免计算联合互信息的复杂计算,提出了基于信息损失量的变量相关度增加量计算方法,在保证新增特征可提供更多信息量前提下,同时提高特征选择的速度。最后对UCI的3种分类数据集进行实例分析,利用支持向量机对选择的特征子集进行分类验证,并将分类结果与其它常用特征选择方法进行了比较。结果表明所提出的特征选择方法比现有的特征选择方法更有效。     

改进的mRmR特征选择方法在人体行为识别中的应用

在基于惯性传感器人体行为识别的研究中,特征选择的作用是挑选相关特征,以提高分类性能,去除冗余特征以降低计算复杂度。针对传统的过滤式特征选择方法仅使用一种相关度量系数筛选特征效果不佳的问题,提出一种改进的基于最大相关与最小冗余(mRmR)准则的特征选择方法。该方法在基于mRmR准则下,采用多种相关度量系数融合的方式,在考虑分类类别的条件下,分析待挑选特征与已选特征间的相关性对特征筛选可能产生的积极影响,以去除部分冗余、不相关特征,进而得到初选特征子集;然后利用二进制数对筛选后的特征编码,通过遗传算法搜索最优或次优特征子集。分别使用SVM和KNN分类器对7种日常行为进行分类。实验结果表明,与其他几种方法相比,该方法对实验分类的7种行为有最高的总体平均识别精度,通过SVM和KNN分类的各行为总体平均识别精度分别达到了97.02%和95.73%,与传统的mRmR方法相比,分别提高了13.72%和9.92%。     

基于相关性分析的多标签特征选择方法

针对现有大多数多标签特征选择算法未能有效去除特征空间冗余特征,同时也忽略了标签差异性的现状,提出一种基于相关性分析的多标签特征选择方法,利用特征之间的相关度对特征进行分组,解决了特征之间的相关性问题.根据样本所对应的标签属性对样本做一个正负类的聚类,对于正样本和负样本所构成的正类簇和负类簇单独确定其聚类个数,并计算原特征到正负类簇中各个类中心的距离,如此便产生了标签特定特征空间;将标签共享的特征空间和标签特定特征空间融合,考虑到多个标签之间的个性和关联性,解决了标签的差异性问题.实验测试表明,相较于现有的多标签特征选择算法,提出的基于相关性分析的多标签特征选择方法在各个分类指标上均有较优的表现,充分证明了该方法的有效性.     

结合邻域信息和标记相关性的在线多标记流特征选择算法

现有大多数多标记流特征选择算法在进行特征选择时,往往忽略标记间的相关性,易导致算法预测精度的下降。为解决这一问题,提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法;定义自适应邻域关系解决邻域粗糙集的粒度选择问题,将其推广到多标记学习中;利用互信息计算标记间的相关性得到标记权重;通过邻域粗糙集和标记权重评估特征和标记间的相关性,并设计特征在线重要度分析、在线相关性分析和在线冗余度分析3种指标,以实现在线评价动态候选特征。在7组多标记数据集以及5个评价指标上的实验结果表明,所提算法综合性能较优。     

基于同义词词林的文本特征选择方法

特性选择是文本分类、机器学习以及模式识别领域的重要问题之一.特征选择能在保证数据完整性的情况下减少高维数据的特征维数,同时提高分类的精度.以往提出的基于同义词词林的特征选择方法虽然能有效避免提取出的特征值在概念上的重复性,但并未考虑到权值最优的特征向量构成的子集可能并非是最优的.为了解决此问题,结合同义词和遗传算法,提出了一种新的基于同义词词林的文本特征选择方法.该方法首先对特征词进行同义词过滤、合并,在降低特征向量维度的同时避免了同义词带来的影响.然后采用改进的遗传算法选出具有较好适应度值的特征向量.实验结果表明,这种方法较之以往提出的方法,在保证特征选择准确率的基础上能明显地减小特征向量的维度.     

基于随机森林和支持向量机的分类特征选择

由于数据具有海量、高相关性和非线性的特点,所以如何选择原始数据的本质特征,是关系到能否有效提高问题分类器推广能力的关键问题。本文讨论了目前基于所有特征以及词袋和词序列袋的特征选择方法,提出了采用随机森林和支持向量机(SVM)相结合的方法来进行特征选择。实验证明,此方法能够有效地选择分类特征,从而提升问题分类的效率和精度。     

关联维估计在舰船辐射噪声特征提取中的应用

为有效利用舰船辐射噪声的混沌特性,提取其混沌特征来对目标进行分类识别,采用了一种集相空间重构技术和关联维数拟合估计为一体的系统的特征提取方案,并成功应用于对舰船辐射噪声的特征提取.首先采用平均互信法和虚假最近邻点比例确定混沌时间序列相空间重构两个重要参数,给出了关联维数的计算方法,并提出用最小二乘曲线拟合,准确估计出关联维数结果.通过不同类别一定样本数量的实测数据计算它们的关联维特征参数,仿真结果表明该方法提取的特征参量具有很好的可分性,为下一步对舰船目标的分类识别打下基础.     

孤立性肺结节诊断模型的特征选择算法

孤立性肺结节诊断模型中未得到充分解决的一个关键问题就是如何选择合适的特征子集。为了构建一个良好的诊断预测模型,提高肺结节良恶性诊断的效率以及准确率,提出了一种基于联合互信息的混合模型特征子集选择算法。该算法综合过滤式和包裹式特征选择模型各自的优势,首先使用过滤式方法得到与诊断有高相关度的候选特征子集,然后通过包裹式方法对候选特征子集进行特征间冗余分析,最后得到最优特征子集。实验表明,该算法与基于其他互信息的过滤式、混合模型特征选择方法相比,不仅在特征子集数目上,而且在良恶性诊断的敏感性、特异性和平均分类准确率上,均具有很好的性能效果。     

基于语义关联的文本分类研究

传统的文本表示是在向量空间模型的基础上,采用特征选择方法降低文本的维数,这种方法认为文本中词语是相互独立的,没有考虑彼此之间的语义信息.文章提出一种新的基于语义特征选择的文本分类方法,在已有特征选择的基础上,利用词语之间的语义关联性,将那些与已选择的词语具有密切联系的词语加入词语特征空间.实验表明,该方法与已有的特征选...