基于特征融合的KLPCCA及其在人脸识别中的应用

对发掘人脸图像中的高维非线性结构,将加核及典型相关分析两种思想同时引入局部保留投影算法中,提出了一种新的基于核的局部保持典型相关分析（Kemel base Locality Preserving Canonical Correction Analvsis,KLPCCA）非线性子空间人脸识别算法并给出了其推导过程。算法首先利用核的方法提取人脸图像中的非线性信息,然后通过局部保持投影算法做一线性映射,从而更简单准确的进行人脸识别。在ORL上的试验证明了该文所提算法的有效性。     

基于导集运算下的空间刻画

本文首先对点集X给出导集运算的定义,然后利用导集运算引入拟空间、空间以及拓扑空间概念,进一步研究了拟空间、空间以及拓扑空间的一些相关性质,并且得到与导集算子可交换的一一映射是同胚映射,极大地完善了点集拓扑学中有关导集概念的内容.     

一种基于粒计算的知识隐藏方法

对数据中蕴涵的敏感知识的隐藏与保护是私有保护数据挖掘中重要一个研究课题。粒计算具有在不同的粒度层次上进行问题求解的能力。本文讨论了基于粗糙集粒计算模型的数据中知识隐藏与保护方法。首先,介绍了不完备信息系统下的相容关系、相容信息粒和信息粒度;其次,提出基于粒计算的知识隐藏与保护方法;最后,通过具体实例和在真实数据集上的测试表明了所提出方法的可行性。     

基于各向异性扩散的多细节图像消噪方案

文章针对传统消噪方法在消除噪声的同时破坏了图像的细节信息的缺点,基于各向异性扩散方程实现数字图像中的消噪,并与中值滤波、均值滤波和各向同性扩散进行比较,实验仿真证明各向异性扩散消噪在消除噪声的同时更好的保留了图像的细节信息。     

易混淆语音特征提取方法的研究

在语音识别系统中,易混淆语音是导致系统识别率下降的重要原因。汉语音节是由声母和韵母组成的,在易混淆语音中,其韵母部分的混淆度很大。针对易混淆语音的韵母部分,通过改进特征提取的方法来提高易混韵母之间的区分度,提出了一种基于小波分解和线性预测(WLPC)的特征提取方法,并用局部保持映射(Locality Preserving Projections)算法对提取的特征进行了特征变换。实验结果显示,与传统的MFCC特征相比,该特征能更好的区分不同的韵母。     

一种匿名代理签名方案的标记

Fu-Kou-Xiao提出了一种匿名代理签名方案,其特点在于：用户的真实身份隐藏在原始签名人颁发的一个假名中;匿名性撤销时不需要可信第3方的参与.对该方案进行分析发现,原始签名人可以滥用代理授权,代理签名人也能够对自己所生成的有效代理签名进行事后否认,即不满足代理签名权力的不可滥用性和不可否认性.     

消费者生成广告研究——基于推荐奖励的现场实验

口碑营销已成为“互联网+”经济新形态下的主流营销渠道之一，消费者生成广告是口碑营销与广告结合而成的新型营销手段。以消费者生成广告为研究对象，基于社会交易理论、互惠理论和前景理论，对奖励水平、隐私代价、产品类型三者与消费者生成广告之间的影响关系提出假设。采用组间实验设计，通过现场实验探究不同消费场景下消费者生成广告的行为及其影响因素。研究结果表明：奖励水平、隐私代价和产品类型对消费者生成广告都存在显著影响；奖励水平对消费者生成广告的影响受到隐私代价和产品类型的调节作用，即在不同隐私代价或不同产品类型下，奖励水平对消费者生成广告的影响存在显著差异；但三者之间不存在显著交互效应，即奖励水平、隐私代价对消费者生成广告的影响对于不同产品类型的作用模式不存在显著差异。研究结果有助于企业合理引导消费者生成广告，增强企业的口碑营销管理能力。     

隐私保护频繁项集挖掘中的分组随机化模型

通过对隐私保护频繁项集挖掘问题的研究,发现现有的单参数随机化回答模型调控的数据范围宽、粒度粗,导致无法实现精细化、差异化的隐私保护的问题.在沃纳模型、单参数等随机化模型的基础上,提出个体分组多参随机化P_N/g模型,给出其在隐私保护频繁项集挖掘中的支持度重构方法.研究结果表明:该模型面向多样化、差异化的隐私保护需求,将N个不同个体分为若干组,每组设置不同的随机化参数,可实现差异化的隐私保护效果.实例分析表明:结合所提出的支持度重构方法,可实现基于分组随机化的隐私保护频繁项集挖掘,在保护不同群体隐私的同时,挖掘到有效的频繁项集与关联规则.     

算子代数上强保持k-斜Jordan乘积的映射

首先利用环理论方法证明:含有非平凡对称幂等元的对合素环R上的满射f强保持k-斜Jordan乘积,即满足_*{f(x),f(y)}_k=_*{x,y}_k=_*{x,_*{x,y}_(k-1)}对所有元x,y∈R成立,当且仅当f(x)=λx对所有x∈R成立,其中λ是R扩展中心的对称元且λ~(k+1)=1.这里,_*{x,y}=xy+yx~*是x与y的斜Jordan乘积.其次,给出该结果在算子代数上的应用.     

边缘计算下面向位置隐私保护的中继分流模型

随着基于位置服务（location-based services，LBS）的广泛使用，人们越来越关注位置隐私的保护问题.基于假人的位置隐私保护方法通过在真实位置信息中混入多个虚假位置信息，能够有效保护用户位置隐私.然而，传统基于假人的位置隐私保护方案大多部署在云端的远程服务器中，其面临着用户获取结果时延过高的性能瓶颈.针对上述问题，本文将基于假人的位置隐私保护方法迁移到边缘计算环境下进行部署，并针对边缘服务器的服务能力与覆盖范围具有上限的特点，提出了面向位置隐私保护的中继分流模型，实现了其中的分流方法，并在真实数据集中运行了本文所提出的方法.实验结果表明该方法在保证用户位置隐私保护效果的同时，可以降低用户获取结果的时延.