基于DWT和DCT数字图像鲁棒水印算法

基于离散小波变换和离散余弦变换,利用混沌系统的优良特性,提出一种新的变换域水印算法.水印嵌入时,首先将宿主图像进行小波变换后选取中频区域,再进行DCT变换,根据水印图像大小进行分块嵌入水印算法在保证不可见性的前提下,最大程度的保证了水印算法的鲁棒性.仿真实验表明,算法在多种攻击下表现出良好的鲁棒性,具有一定的实用意义.     

基于TS模型的时滞模糊混沌控制系统的稳定性分析

研究了基于TS模型的时滞模糊混沌控制系统的指数稳定性问题.对一大类时滞混沌系统的受控系统,采用并行分散补偿技术,设计了线性反馈模糊控制器.然后,利用Lyapunov-Krasovskii泛函方法,结合线性矩阵不等式和微分不等式技术,对常量时滞和变量时滞的模糊混沌控制系统,提出了控制器的指数稳定性条件,并给出了相应的控制律.由于所有结果都采用线性矩阵不等式的形式给出,因此,稳定性条件和控制律易于数值计算.     

切延迟椭圆反射腔映射系统的S 盒构造

利用切延迟椭圆反射腔映射系统良好的混沌特性,构造了一类新的S一盒,详细分析了其包括双射、非线性度、严格雪崩、输出比特独立性、差分逼近概率和线性逼近概率等密码学特性,并对Kocarev等最近提出用离散混沌判定s-盒强度进行了讨论.理论分析和测试结果表明构造方法容易实现且效率较高,构造的S-盒较用其它混沌系统构造的s-盒具有更好的密码学特性,可用于已有的密码方案的进一步改进.     

基于Logistic映射混沌加密算法的设计与实现

序列密码作为主要密码技术之一,它的的安全强度完全决定于它所产生的伪随机序列的好坏.混沌系统能产生具有对初值敏感、难以预测的性能良好的伪随机序列,所以很适于序列密码.通过对基于Logistic混沌映射的加密算法原理的分析,提出了一个基于该算法的加密方法,并从算法的安全性、效率等方面进行了性能分析.最后采用VisualC 开发工具完成了该混沌加密算法的设计,并用该算法对一个实例进行了加密.     

一种基于Arnold变换的图像Hash算法

提出一种基于Arnold变换的图像hash算法。算法首先将原始图像经过Arnold置乱变换得到加密图像,然后将原始图像与加密图像的差值矩阵由若干混沌序列生成的伪随机矩阵进行调制,最后将调制后的结果矩阵进行量化判决以产生固定长度的图像Hash序列。仿真结果表明,该算法对JPEG压缩、低通滤波、图像缩放等操作有一定的鲁棒性。     

基于小波压缩和混沌置乱的图像处理算法

提出一种图像压缩和加密相结合处理方法.利用小波变换的多分辨率特性,对灰度图像进行小波分解,得到低频近似分量和三个方向的细节分量;根据人眼视觉特性,对细节部分系数矩阵进行阈值调制,实现对图像的压缩;利用混沌系统伪随机、遍历性等特性,对集中了原图大部分能量的低频近似系数矩阵进行混沌置乱,实现对图像的加密;用阈值调制后的细节系数矩阵和置乱后的低频加密矩阵进行小波反变换,得到最终的图像.仿真结果表明,此算法在压缩和加密的结合处理上,表现出良好的性能.     

SA-PSO算法在CNN边缘提取模板设计中的应用

提出了一种用于边缘提取的细胞神经网络(CNN)模板的设计方法,该方法在基本粒子群算法的基础上引入模拟退火机制,形成模拟退火粒子群算法(SA-PSO)对模板参数值进行搜寻。在搜索过程中,用退火温度调节粒子的突跳概率,轮盘赌策略确定粒子的全局最优的替代值,这样能有效避免基本PSO算法容易陷入局部最优解的问题。同时,为了保证每轮搜寻产生的解均能使CNN网络稳定,用CNN反馈模板的研究结论对粒子群解空间进行约束。模拟实验表明,文章算法设计出的CNN模板有良好的边缘提取能力。     

建筑工程造价的模糊确定

从建筑工程造价构成的实际出发,抓住影响其工程造价的18个因素,并与已建竣工决算资料类比,用模糊数学方法进行造价计算。具体采用模糊数学的贴近度原理、择近原则和专家系统原理进行计算和选择,使已建工种与拟建工种的相似程度定量化,从而得到拟建工程的造价。     

面向服务的架构体系在企业信息系统中的应用研究

根据企业信息系统出现的问题,通过详细阐述面向服务的架构体系SOA基本概念、特征、优势,提出采用SOA架构来解决异构和不同业务的企业信息系统建设,以及应采取的步骤、实施建议,展现了当前企业系统建设研究热点和未来的发展趋势。     

自适配权重特征融合的持续身份认证

针对现有智能手机用户身份认证方法的不足，提出了一种自适配权重特征融合的持续身份认证方法。设计了一种卷积神经网络，对手机内置传感器(加速度计、陀螺仪、磁力计)获取的用户行为信息数据进行深度特征提取及融合。通过网络中3个子网络流分别提取3种传感器特征，在特征融合层加权融合，各特征的权值会在网络学习过程中根据不同特征的贡献度实现自适应分配。融合特征经过特征选择之后，使用单分类支持向量机进行用户分类认证。实验结果表明：该方法对不同用户身份认证获得的等错误率为1.20%,与现有其他认证方法相比具有更好的认证准确性。