二元推导与自相关随机性检测算法的相关性分析

随机性检测在密码学中发挥着重要的作用,目前,已有多种不同的随机性检测算法.但是,实际应用中选择所有的检测算法进行检测不现实,选择哪些算法能够使检测充分且无冗余,这需要研究检测算法之间可能存在的关系.对两种重要的随机性检测算法二元推导和自相关进行了研究.从二者的基本原理出发,对其检测的推导过程进行了分析,结合杨辉三角的性质证明了在参数k选择为2t 时,二元推导与自相关是等价的.若同时进行参数为2t的二元推导检测和自相关检测则存在冗余.同时对这个结论进行了实验验证.另外,研究还发现,在参数k选择为2t一1时,二元推导检测中推导序列的每一个比特包含初始序列的所有相关比特信息.所研究工作为实际应用中随机性检测项目和检测参数的选择提供了理论的指导.     

支持复杂产品知识管理的领域子本体自动提取方法

为解决复杂产品领域本体规模庞大导致本体应用效率低的问题,提出一种支持复杂产品工程的领域子本体自动提取方法.该方法以用户标识的感兴趣节点为起始节点,采用节点相关度的概念替代本体节点之间的结构相似度来构建相关度矩阵,通过相关度迭代扩张更新相关度矩阵,提取相关度较高的节点,还原节点之间的关系后获得一种外扩型的领域子本体;在相关度迭代扩张方面,分别从本体的结构关系和约束关系2个维度进行启发式搜索扩张,并通过扩张因子实现相关度的逐级衰减;在相关度矩阵的更新方面,提出最大扩张和调和扩张2种机制;最后以机器人某领域本体为例对领域子本体的复杂度进行评价,同时给出了不同参数条件下文中方法提取领域子本体的规模和复杂度.     

一种基于词汇相关度的网络文本分类算法研究

传统文本分类算法,在特征选择这一阶段,采用统计观点和方法机械处理词语与类别的联系,假定词语之间相互独立,忽略特征关键词之间的语义关系。本文提出一种新的特征选择方法,用基于上下文统计的词汇相关度方法,计算特征词之间的词汇相关度,设定相关度阀值,进行特征选择。降低了特征空间的高维稀疏性,并有效的减少噪声,提高了分类精度和算法效率。     

一种新的最大相关最小冗余特征选择算法

传统的基于特征选择的分类算法中,由于其采用的冗余度和相关度评价标准单一,从而使得此类算法应用范围受限。针对这个问题,本文提出一种新的最大相关最小冗余特征选择算法,该算法在度量特征之间冗余度的评价准则中引入了两种不同的评价准则;在度量特征与类别之间的相关度中引入了4种不同的评价准则,衍生出8种不同的特征选择算法,从而使得该算法应用范围增大。此外,由于传统的最大相关最小冗余特征选择算法不能根据用户实际需求的数据维度进行特征选择。所以,引入了指示向量 $\lambda $ 来刻画用户实际的数据维度需求,提出了一种新的目标函数来求解最优特征子集,利用支持向量机对4个UCI数据集的特征子集进行了实验,最后,利用分类正确率、成对单边T检验充分验证了该算法的有效性。     

飞行模拟器经典洗出算法参数选择研究

为了保证Stewart平台能够在其工作空间内为飞行员提供逼真动感,对经典洗出算法的参数选择方法进行了研究.通过对二阶、三阶线性高通滤波器和二阶线性低通滤波器阶跃响应的分析,得出滤波器参数与阶跃响应之间的解析关系.并以此提出一种基于滤波器时域响应的滤波器参数选择方法,即对滤波器的各个参数在某一范围内进行定步长搜索,从而选择产生最优时域响应的滤波器参数.利用飞机起飞期间的飞行仿真数据和Stewart平台对其进行了实验验证,结果表明利用该方法选择的参数能充分利用Stewart平台的工作空间为飞行员提供逼真动感.     

二元推导随机性检测的优化实现

随机性检测在密码学中发挥着关键的作用。二元推导是一种重要的随机性检测算法。根据二元推导原始定义实现的算法所耗时间随参数的增大线性增长。当参数逐渐增大时,算法的实用性降低。该文从二元推导的原理出发,分析二元推导的检测过程,得出由参数确定的推导流比特与原始流相关比特的关系。利用这种关系优化了算法的实现,改进后的算法所耗时间与具体的参数有关,速度上有很大的提高。     

基于KPCA和SVM的网络入侵检测研究

研究无线网络安全检测,针对入侵检测存在先验知识少的情况下推广能力差的问题,为了保证网络运行的安全性,提出了利用核主成分分析(KPCA)和支持向量机(SVM)相结合进行入侵检测的方法.首先用核主元分析对输入变量进行特征提取,消除变量之间的相关性,然后运用网格算法对核参数进行了寻优,通过交叉验证的方法对支持向量机进行参数选择,最后利用所建立好的模型进行预测.利用方法对KDD CUP99数据集进行仿真实验,与传统算法相比,方法对网络入侵检测有很高的识别率,为网络入侵检测提供了依据.     

半结构化中文信息检索中查询结果相关度算法的研究

本文研究了对富含文本信息的XML数据进行基于关键字的查询时,查询结果与查询条件之间相关度的计算问题,分析了利用传统信息检索技术解决该问题时存在的一些不足,提出了一种基于节点的动态的关键字权重计算法,以及综合考虑关键字在查询结果中的频率分布特征和结构分布特征的查询结果相关度计算法,有效解决了XML数据中的结构信息对相关度计算的影响,实验证明本文中的方法取得了较好的检索性能。     

相关实体发现中基于Wikipedia的实体排序

针对相关实体发现中基于Wikipedia的实体排序存在的问题:半自动的目标类型获取、粗粒度的目标类型、实体类型相关度二值判断、实体关系相关度计算未考虑停止词作用.设计了一个实体排序框架,从实体相关度、实体类型相关度和实体关系相关度3方面的组合计算来对实体进行排序,通过对比多种组合方法获取了最优的方法.提出了一种新的实体类型相关度计算方法,该方法可以自动获取细粒度的目标实体类型,并通过归纳学习获取其下义Wikipedia类别判别规则集合,通过统计候选实体类别信息中符合目标类型下义类别判别规则的类别数来计算实体类型相关度.提出了一种"去停止词重构关系"方法计算候选实体和源实体的关系相关度.实验表明提出的方法可以有效地提高实体排序效果并且降低计算时间耗费.     

基于模糊评价的分组密码随机性评估模型

检测评估是研究密码算法安全性的重要技术手段.随机特性是其中重要而实用的测评内容.针对密码算法的随机性,已有多种不同的检测方法,但是对繁杂的随机性检测结果,尚不存在一个完整实用的量化评估体系和模型.选择分组密码为实例,研究了对密码算法随机性的量化评估.根据分组密码的设计准则,提出一个分组密码随机性的评估指标体系,以模糊多准则决策为基础给出了一个实用的分组密码随机性评估模型.该模型采用模糊数学中的隶属度函数方法,对随机性检测结果进行模糊化处理,能够反映出随机性的连续和渐变特点,有效解决了单纯的阈值方法造成的评估信息丢失问题.该模型的优点是实现了对分组密码随机性的量化评估,为密码算法的综合评估提供基础.同时,给出了对单个指标和属性的通用的评估流程,因此,该模型也可稍加修改和扩展.应用于其他类型密码算法的随机性评估中.     

A new causal discovery heuristic

Probabilistic methods for causal discovery are based on the detection of patterns of correlation between variables. They are based on statistical theory and have revolutionised the study of causality. However, when correlation itself is unreliable, so are probabilistic methods: unusual data can lead to spurious causal links, while nonmonotonic functional relationships between variables can prevent the detection of causal links. We describe a new heuristic method for inferring causality between two continuous variables, based on randomness and unimodality tests and making few assumptions about the data. We evaluate the method against probabilistic and additive noise algorithms on real and artificial datasets, and show that it performs competitively.     

A new image encryption algorithm based on heterogeneous chaotic neural network generator and dna encoding

This paper presents a new combined neural network and chaos based pseudo-random sequence generator and a DNA-rules based chaotic encryption algorithm for secure transmission and storage of images. The proposed scheme uses a new heterogeneous chaotic neural network generator controlling the operations of the encryption algorithm: pixel position permutation, DNA-based bit substitution and a new proposed DNA-based bit permutation method. The randomness of the generated chaotic sequence is improved by dynamically updating the control parameters as well as the number of iterations of the chaotic functions in the neural network. Several tests including auto correlation, 0/1 balance and NIST tests are performed to show high degree of randomness of the proposed chaotic generator. Experimental results such as pixel correlation coefficients, entropy, NPCR and UACI etc. as well as security analyses are given to demonstrate the security and efficiency of the proposed chaos based genetic encryption method.     

Perception of order within disorder: 1. Visual ranking of random textures

A computer algorithm was developed to control the separate probabilities of various line lengths, or spatial frequencies, in unidimensionally random homogeneous visual textures of 50% density. For three reference frequencies, 5.2 cycles/degree, 1.05 and 0.52, the mathematical randomness of the patterns was compared to the perceptual randomness, using standard Stevensian ranking methods,² and the rank orders dc, in general, agree. However, visual sensitivity to the changes in statistical order decreases as a negative function, inversely proportional to the amount of statistical order that is present. Further, the overall finess of the ordering is complexly related to the field characteristics of the patterns and to whether free eye-scan is or is not allowed. We conclude that sensory randomness is in itself a fully organized holistic quality of perceptual experience, quite like brightness or hue, and that it can be fruitfully studied entirely in its own right.     

随机性测试的研究与实现

介绍随机性测试方法的数理统计原理,给出16种常见的随机性测试,研究密码算法随机性测试的流程,讨论测试ID的编排方法,并用这些方法对欧洲加密标准——Camellia算法进行随机性测试,实验结果表明,该算法3轮以上的缩减轮版本所产生的密文具有较高的随机性。     

时空混沌二值化方法研究

针对耦合映像格子模型产生的时空混沌序列的特点,在符号函数二值化法的基础上,给出了一种新的二值化方法。随机性能和相关性检验的结果表明按这种方法得到的二值序列具有优良的伪随机性能及相关特性,说明提出的方法是有效的,而且简单实用。     

Overall and pairwise segregation tests based on nearest neighbor contingency tables

Multivariate interaction between two or more classes (or species) has important consequences in many fields and may cause multivariate clustering patterns such as spatial segregation or association. The spatial segregation occurs when members of a class tend to be found near members of the same class (i.e., near conspecifics) while spatial association occurs when members of a class tend to be found near members of the other class or classes. These patterns can be studied using a nearest neighbor contingency table (NNCT). The null hypothesis is randomness in the nearest neighbor (NN) structure, which may result from-among other patterns-random labeling (RL) or complete spatial randomness (CSR) of points from two or more classes (which is called the CSR independence, henceforth). New versions of overall and cell-specific tests based on NNCTs (i.e., NNCT-tests) are introduced and compared with Dixon’s overall and cell-specific tests and various other spatial clustering methods. Overall segregation tests are used to detect any deviation from the null case, while the cell-specific tests are post hoc pairwise spatial interaction tests that are applied when the overall test yields a significant result. The distributional properties of these tests are analyzed and finite sample performance of the tests are assessed by an extensive Monte Carlo simulation study. Furthermore, it is shown that the new NNCT-tests have better performance in terms of Type I error and power estimates. The methods are also applied on two real life data sets for illustrative purposes.     

基于自相关函数的语音端点检测方法

在语音信号的识别、去噪等过程中通常只需对有声段进行处理,并且对语音段和噪声段可能需要采取不同的处理方法。相关函数描述的是随机信号在不同时刻取值的关联程度,由于噪声的随机性,噪声的相关函数和语音的相关函数有很大的不同,利用此不同点可以进行语音的端点检测。基于此提出了自相关函数的语音端点检测方法,并对比了经典的双门限法--基于短时平均能量和短时平均过零率的双门限判决法。实验表明该方法具有较高的准确性,并且在较低信噪比下能取得比短时平均能量和短时平均过零率的判决法更好的效果。     

基于灰色关联分析的系统仿真因素权重确定

在系统仿真综合评估中,因素权重的确定至关重要.首先分析了在系统仿真综合评估中因素权重确定的常用方法,归纳了采用的步骤.针对常用方法存在的主观因素影响较大和工程应用中不易组织实施两方面不足,从灰色系统角度对仿真系统进行分析,进而介绍了灰色关联分析法及基于该法进行关联度的计算和权重确定的步骤,最后在某仿真系统中进行应用并对比分析采用常用方法得到的结论.结果表明,使用此法方便、简捷,可靠性高,在系统综合评估中权重的确定上具有较高的应用价值.     

基于DNA序列的彩色图像加密算法

结合混沌系统和DNA密码学,提出了一种基于DNA序列的彩色图像加密算法。该算法应用了DNA序列的加法、减法、异或运算,并且把彩色图像分解为位平面进行处理。首先对彩色图像位平面分解、DNA编码;然后对DNA平面置乱、DNA加法运算、DNA异或运算;最后进行DNA解码、位平面合并,得到密文图像。实验结果表明,原始图像加密后的图像类似噪声,加密后的直方图变得更平滑,对密钥有很高的敏感性,密文图像的随机性好,密文图像相邻像素之间相关性低。     

识别聚类间远近关系的双几何体模型

许多实际问题的解决不仅需要聚类算法给出类标,更依赖于类间远近关系的辨别.对于类数较多且高维数据的困难情况,基于降维的聚类结果可视化方法通常会出现聚类的重叠、交织或强行拉远现象,使得一些类间的远近关系无法分辨或被错误显示;而现有的类间距离方法则不能揭示两个聚类是远离还是靠近.本文提出了双几何体模型方法来描述两个聚类的类间关系,并设计了相对边界距离、绝对边界距离和区域疏密程度等测量类间远近程度的方法.本文方法既考虑了两个聚类的最近样本集之间的绝对距离,也考虑了聚类边界区域的疏密程度,其优点是在上述困难情况下也能准确揭示高维空间中的类间关系.对真实数据集的实验结果表明,双几何体模型方法能有效地识别现有聚类可视化方法无法辨别的类间远近关系.