鲁棒的密文彩色图像可逆数据隐藏方法

为了提高现有密文图像可逆数据隐藏方法的不可感知性、鲁棒性和嵌入容量等问题,提出一种大容量密文彩色图像可逆数据隐藏方法.在发送端,首先利用Logistic混沌映射加密算法对彩色图像进行加密并分成RGB三个色彩通道,对其进行分块和二维离散余弦变换;然后选取鲁棒性较好的低频部分进行秘密信息的嵌入,提高算法的抗攻击性;最后采用像素互补的方法进行大容量的嵌入秘密信息.在接收端,先对得到的加密图像进行解密,根据信息嵌入的逆过程提取秘密信息并恢复原始图像.实验结果表明,该方法与现有方法相比在图像质量、嵌入容量、鲁棒性和加密性能等方面具有更好的性能,可自适应地选择嵌入容量.当嵌入容量达到1.15 bpp时,平均峰值信噪比可达到39.39 dB.     

动态规划启发式算法求解时变车辆调度问题

时变网络中车辆在任意两节点间的行驶时间不仅与节点间的距离有关, 还与所处的时段有关. 对时变车辆调度问题提出一种满足先入先出准则的跨时段处理方法, 直接推导出跨时段对应的车辆行驶时间. 在此基础上建立了数学模型, 并构造动态规划启发式算法进行求解. 该算法能够通过设置参数H平衡求解质量和运行时间. 通过对10组随机产生的数据进行测试, 结果表明动态规划启发式算法能够在很短时间内改进最近邻算法. 当H=2时, 求解质量改进11%, 平均运算时间为1.34秒; 当H=3时, 在不到2秒的运算时间内求解质量改进17%.     

基于SMC的隐私保护聚类模型

隐私保护数据挖掘指在实现准确挖掘知识的同时确保敏感数据不泄露。针对垂直分布式数据存储结构的聚类隐私保护问题,提出基于全同态加密协议和数据扰乱方法的隐私保护聚类模型。该模型通过采用安全比较协议解决了垂直分布式聚类的两个隐私保护关键步骤：求解最近簇和判断质心变化,从而实现了数据的有效保护。理论证明了该模型的安全性并分析了其时间复杂度和通信耗量,实验结果表明该隐私保护聚类模型是安全有效的。     

作业车间调度问题的随机邻域交换算法

针对作业车间调度问题提出了一种随机邻域交换算法RNSA(random neighborhood swapping algorithm).算法由几个紧密衔接的执行阶段组成,其核心思想是如何设计生成多样性调度以及如何判断新调度的可行性.为此,采用了一种组合随机邻域交换策略并证明了一个调度可行性判定定理.为了验证算法的有效性,对一批Benchmark算例进行了测试并与国内外现有研究结果做出了比较.     

有限保序夹心半群的格林关系

设X,Y是任意的非空全序集合,OT X,Y是X到Y的全体保序映射构成的集合,θ是Y到X的一个确定的保序映射.对任意α,β∈OT X,Y,定义:αβ=αθβ,这里αθβ表示一般映射的合成.则OT(X,Y)关于运算°构成一个半群,称为保序的夹心半群,记为OT(X,Y;θ).当X,Y都是有限集合且|X|>1,|Y|>1时称保序夹心半群OT(X,Y;θ)为有限保序夹心半群.本文讨论有限的保序夹心半群的格林关系.     

雾天图像清晰化方法及应用

针对雾天户外图像的退化现象,提出了一种基于大气模型的完全自适应的图像清晰化方法。该方法根据图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域,然后利用大气模型列方程组,可得归一化辐射率的值,从而能够实现雾天图像清晰化。实验表明,该方法对雾天退化图像的清晰化效果较好。     

一种自适应局部线性嵌入与谱聚类融合的故障诊断方法

针对数据维数高、非线性且从高维观测空间分析数据模式困难的问题,将改进的流形学习算法引入到数据聚类中,提出了一种结合自适应局部线性嵌入和递归调用规范切融合的新方法.采用自适应局部线性嵌入对原始数据进行非线性降维,应用递归调用规范切对低维空间数据进行聚类,通过对3组UCI标准测试数据集的仿真实验表明,新方法能够将高维数据有效地映射到低维本质空间,克服了传统方法对数据集结构的依赖性,从而显著提高了谱聚类算法分类的准确性和稳定性.同时,对于田纳西-伊斯曼过程的数据实验,表明了该方法对故障模式识别的可行性和有效性.     

基于SSA的弹头激波信号处理方法研究

针对弹头激波信号混杂其他噪声干扰无法分离时延特征参数问题,利用奇异谱分析(SSA)的自适应滤波特性进行处理,并对嵌入维数和重构主分量数目对分离效果的影响进行了讨论,建立性能评价函数和选择准则来进行优化。仿真结果表明,采用最优参数时SSA能有效提取出噪声条件下激波信号特征。     

关于映射空间一个定理的注记

刻画了映射空间一致收敛拓扑与紧开拓扑等价定理的本质特征，化解了文[1]证明之误及晦涩之处。     

Poisson嵌入子流形的一个性质

讨论了Poisson子流形的一个有趣的性质：若P是Poisson流形(Q．WQ)的Poisson嵌入子流形，则在每一点x∈P处，通过适当选择可使P的横截Poisson流形N1恰是Q的横截Poisson流形的Poisson嵌入子流形反之，若P是(Q，WQ)的嵌入子流形，且在每一点x∈P处，存在x在Q中的邻域U和直积分解U=S×N1×N2．使得S是辛叶．N1×N2是横薷Poisson流形．S×N1是P中x的邻域，N1是N1×N2的Poisson子流形，则P是Q的Poisson子流形．