一种动态猫映射混沌图像加密算法

针对传统猫映射存在周期性以及位置(0,0)处像素始终固定导致的安全隐患,提出了一种基于动态猫映射的图像加密算法.首先把密钥经过md5变换后得到一个十六进制字符串,利用该字符串,获取动态猫映射的分块边界参数,并通过md5的随机性构建扩散阶段需要的S盒.在置乱阶段,将猫映射置乱参数与明文图像结合起来,进行动态猫映射,得到置乱图像.在扩散阶段,每个像素值用S盒进行扩散时,结合相邻像素值,形成雪崩效应.最后进行仿真实验,结果表明提出的加密算法能满足图像加密的安全性需求,不仅改善了传统猫映射存在的缺陷,而且具有更好的加密效果.     

基于分组划分的形态学异联想记忆研究

在输入模式无噪声的情况下,形态学异联想记忆不能够保证完全回忆记忆,针对这个瑕疵,提出了一种新的思路和方法——分组划分.该方法将原有输入模式对进行分组,逐一对分组后的模式对集合进行形态学操作计算,由局部到整体,进而实现形态学异联想记忆的完全回忆记忆.     

一种实现继承的特殊方法

针对许多需要大量复制元件才能完成的任务,用一种特殊编程方法,实现了父元件与子元件间同名变量的传递,并通过该同名变量在子元件中的变化值来决定该子元件是否进行本身的再复制,最终实现了由父元件中设置的初始值来控制子元件复制层数的任务.     

二轴导引头视线指向回路的鲁棒性设计

以Yaw-pitch型导引头为研究对象,提出了一种具有鲁棒性的视线指向回路设计方法.根据各框架的动力学方程,建立了描述视线动态特性的微分方程,分析了干扰力矩、非线性和结构耦合等因素对框架结构运动与动力学特性的影响,对由基座角运动所致结构参数的摄动进行了定量估计,采用H∞稳定性理论设计了视线姿态的伺服控制器.仿真结果表明,所设计的回路对系统的不确定性、非线性和外界干扰力矩等因素具有较强的鲁棒性.     

基于群推荐的多跳无线网络信任模型

首先提出了群推荐的概念,在此基础上,提出了一种新颖的动态的多跳无线网络安全信任模型.该模型克服了已有的多跳无线网络信任模型的若干局限性,通过对节点行为进行综合评估,为网络中节点之间的合作和安全决策提供更细致和精确的依据,并能动态反映信任关系的变化状况,为通信节点是否可信建立了一个较为明确的判断标准.该模型能够较好地抵抗恶意节点的欺骗行为,提高了节点的可信度,能有效解决多跳无线网络中的盲目信任问题.     

深度神经网络蛋白质溶解性预测模型设计

蛋白质溶解性是生物信息学领域的重要研究课题,通过分析蛋白质溶解性数据,结合特征提取和深度学习技术,设计多种卷积神经网络预测蛋白质溶解性的模型.使用CD-HIT对蛋白质原始数据进行降噪,并利用G-gap对每个样本进行张量化处理,得到适用于卷积神经网络的特征数据,作为模型其中一路网络的输入;为提高模型预测精度,对每个样本利...     

基于Bayesian-SVR的城市用水量软测量建模

针对传统交叉验证方法确定SVR模型参数存在耗时过长的问题,利用贝叶斯置信框架推断SVR的模型参数。通过第一级推断确定支持向量机的权矢量ω和偏置项b,通过第二级推断确定模型确定不敏感系数ε、惩罚因子C,通过第三级推断得到核参数。然后利用该方法对某城市用水系统中用水量进行建模,预测结果表明该方法不仅能加快建模速度,而且提高了预测精度。     

一种基于最小二乘支持向量机的葡萄酒品质评判模型

对源自UCI数据库的葡萄酒数据进行预处理,选取径向基函数作为最小二乘支持向量机的核函数;然后,根据"一对一"算法设计出最小二乘支持向量机多元分类器,并应用交叉验证算法对参数寻优,建立葡萄酒质量评判模型.同时,用BP神经网络、标准支持向量机分类器对葡萄酒进行训练.对比实验结果表明:最小二乘支持向量机比BP神经网络、标准支持向量机的平均分类准确率高,最高分类准确率为100%.     

基于小波基函数和Hammerstein模型的预测函数控制

针对实际对象的多变性和传统的预测函数控制只能对预测时域内有限的几个拟合点进行拟合,而未考虑整个预测时域整体逼近误差性能优化的问题,提出一种基于小波基函数和Hammerstein模型的预测函数控制方法.内部模型参数通过不断辨识,进行自适应校正.利用小波的紧支局部性和多尺度分析特性,既保证了整体误差性能的优化,又突出了重要拟合点的逼近要求,并实现了优化变量的集结.理论分析和仿真应用表明,该方法有更好的快速性和抗模型失配性能.     

基于LSTM和注意力机制的蛋白质-配体结合亲和力预测

蛋白质-配体的结合亲和力预测是药物重定位回归中具有挑战性的任务。深度学习方法可以有效预测蛋白质与配体相互作用的结合亲和力,减少药物发现的时间和成本。由此,基于长短期记忆模块(LSTM)和注意力机制模块(attention)提出了一种深度卷积神经网络模型(DLLSA)。模型由嵌入LSTM和空间注意力模块(spatial-attention)的卷积网络并行模块构建,其中LSTM模块针对蛋白质-配体接触特征的长序列信息,spatial-attention注意力模块聚集接触特征局部信息。采用PDBbind(v.2020)数据集进行训练,CASF-2013和CASF-2016数据集进行验证,模型的皮尔逊相关系数相比于PLEC模型分别提高了0.6%和3%,实验结果显著优于其他相关方法。