第三代移动通信系统3G UMTS空中接口安全算法研究

由于3G移动通信系统网络的开放性以及无线通信的传播特性，安全问题成为3G移动通信系统的核心问题之一。f8算法和f9算法是3GUMTS安全体系中所采用的安全性算法之一，f8算法是机密性算法，对用户数据和信令数据进行加密：f9算法是完整性算法，对信令数据进行完整性认证。f8算法和f9算法共同构成了3GUMTS空中接口的安全体系。     

面板数据中均值多变点和方差多变点的估计

面板数据中的变点问题是金融和计量经济学中的一类重要课题。现将局部形态识别的二元分割算法推广到面板数据上，研究了面板数据中均值多变点和方差多变点的估计问题，同时得到了变点个数及变点位置的估计，证明了估计量的相合性。Monte Carlo模拟表明基于局部形态识别的二元分割算法对这两类变点的估计效果均优于二元分割算法。最后将提出的算法分别应用于不同的股市周指数数据，说明了算法的有效性。     

基于贝叶斯理论的电动汽车非车载充电机远程计量方法的研究

基于贝叶斯理论展开分析，探究了非车载充电机的远程计量误差评估方法和不确定度评定方法，提出了基于贝叶斯方法的非车载充电机远程计量算法。算法基于网状充电过程数据，利用充电机与电动汽车多对多的网状关系，实现网状参数比对与量值传递。应用该算法对测试用例数据和实车充电数据进行计算处理，超差判定结果正确，实际估算误差不高于3%,证实了该算法在非车载充电机远程计量方面的有效性。     

带活力因子的量子粒子群算法卫星基板模型修正

将卫星基板等效为单层板结构计算其结构参数，在量子粒子群算法原理的基础上给算法增加活力因子，用带活力因子的量子粒子群算法对蜂窝板结构的卫星基板等效模型进行模型修正，然后将修正后的数据返回有限元软件MSC/NASTRAN再次计算，修正后模型计算所得动力学数据与试验数据能较好地吻合，证实等效的合理性和算法的有效性。     

对比度最优与子孔径相关自聚焦算法的比较

为了选用快速高效的自动聚集算法对机载SAR数据进行聚焦处理，针对两种自聚焦算法--对比度最优法（Contrast Optimization，简称CO）与子孔径相关法（Map Drift，简称MD），利用中科院电子所机载L波段合成孔径雷达(SAR)的实际数据和仿真的点目标对这两种算法进行了对比实验研究。给出了分别用两种算法处理的点目标冲激响应和实际SAR图像。通过对比分析，表明CO算法比MD算法计算速度快、估计效果较好。     

基于C＋＋平台下实现DES算法

DES数据加密算法足分组加街算法中应用最为广泛的一。种，它也是最为有名的对称密钥加咎彳算法。DES数据加密算法肯有很强的健壮性，在计算机密码学和数据通信领域中的发展发挥了巨大作用，也在一般的计算机数据传输活动力嘶提供了有力保障。本文在详细地介绍了DES对称密钥数据加密算法的原理基础上，研究该算法的机理并结合当前主流的程序设计平台在C＋＋的平台下予以实现。     

基于面元素重排的三维网格模型数据隐藏算法

目的 为了解决目前三维数据隐藏算法不能兼顾无失真和盲提取的问题，提出一种新的完全无失真的三维网格模型数据隐藏盲算法。方法 首先使用混沌逻辑映射选择嵌入与提取模式，保证数据的安全性。然后利用面元素重排，完全不会造成三维模型失真的性质，通过不同嵌入模式规则对三角面元素进行重排，以嵌入秘密数据。接收端则可根据相应的提取模式规则提取秘密数据。结果 仿真结果与分析表明，该算法不会对三维模型造成任何失真，嵌入容量为每顶点2比特，且能抵抗仿射变换攻击、噪声攻击和平滑攻击等。结论 这种三维数据隐藏盲算法无失真，容量大、安全性高、鲁棒性强，适用于三维载体不容修改的情形，如军事、医学、秘密通信和版权保护等。     

基于Hough变换的声呐航迹检测算法

为了提高声呐对目标航迹的检测性能，从单部声呐的时间融合的角度出发，提出了一种基于Hough变换的声呐信号检测算法．该算法把航迹上的观测点变换为参数空间的对应曲线，充分利用了一段时间内的目标观测数据，在低信噪比下也能从背景噪声中提取出目标的航迹特征，该算法有效地提高了声呐信号的检测概率，对部分信息和数据的缺失不敏感．仿真实验证明了算法的正确性。     

漏磁探伤中数据压缩方法的研究

漏磁检测技术是铁磁性油气管道在线缺陷检测的有效手段。由于检测数据量大，数据压缩是必不可少的，本文介绍了基于差分的嵌入式零树编码算法，算法首先对检测到的数据进行一阶差分处理，再对差分处理后的数据进行嵌入式零树编码，使得检测相关数据的基础上可以达到10：1以上的压缩比。     

经典数据挖掘算法比较分析

随着数据挖掘的应用日益逐渐广泛，对数据挖掘算法的研究逐渐得到了重视。本论文分析了三种经典的数据挖掘算法，Apriori算法，FP—growth算法和STBA算法，分析了它们各自的优缺点，并进行了对比，对于推动进一步改进现有的数据挖掘算法及实现数据的有效挖掘都具有一定的借鉴意义。     

Adaptive noise filtering using an error-backpropagation neuralnetwork

A neural network of the feedforward-error backpropagation type proposed by D.E. Rumelhart et al. (1986) was applied to filter noise from spectral data commonly encountered in infrared absorption of molecular transitions. The purpose was to gain insight into the way a neural network can be trained to remove noise from a noise-corrupted signal with implications for signal processing in general. The neural network simulation was implemented in Fortran and run on a VAX 8800. Training of the neural network occurred on a set of spectral data with random transitions and line shape parameters. Preliminary results of the performance of the adopted neural network are reported and discussed along with observed limitations. Future improvements on noise filtering using a neural network are proposed     

神经网络方法在自相关过程控制中的应用

将传统休哈特控制图应用于自相关过程控制时,会引发大量虚发报警.本文将使用时间序列模型模拟自相关过程并将神经网络方法引入自相关过程控制中.以神经网络特有的模式识别技术,对自相关过程中均值发生突变的情况进行监控,取得了良好效果.     

基于灰色 Elman 神经网络的爆破飞石距离预测研究

针对单一神经网络预测方法存在一些不足,将建立灰色关联分析法与 Elman 神经网络的耦合模型,对爆破飞石最大飞散距离进行预测研究。首先,利用灰色关联分析方法对数据进行预处理,确定各影响因素与爆破飞石距离之间的关联度;然后,根据关联度的大小,选择关联度较大的影响因素作为 Elman 神经网络的输入层数据;最后,用神经网络的功能对数据进行训练和预测。研究结果表明：利用灰色关联分析方法确定主要影响因素作为输入层,比单一使用 Elman 神经网络的预测精度更高,达到95％以上。     

Application of supervised self-organizing maps in breast cancer diagnosis by total synchronous fluorescence spectroscopy

Data from total synchronous fluorescence spectroscopy (TSFS) measurements of normal and malignant breast tissue samples are introduced in supervised self-organizing maps, a type of artificial neural network (ANN), to obtain diagnosis. Three spectral regions in both TSFS patterns and first-derivative TSFS patterns exhibited clear differences between normal and malignant tissue groups, and intensities measured from these regions served as inputs to neural networks. Histology findings are used as the gold standard to train self-organizing maps in a supervised way. Diagnostic accuracy of this procedure is evaluated with sample test groups for two cases, when the neural network uses TSFS data and when the neural network uses data from first-derivative TSFS. In the first case diagnostic sensitivity of 87.1% and specificity of 91.7% are found, while in the second case sensitivity of 100% and specificity of 94.4% are achieved.     

基于SCADA数据和改进BP神经网络的塔筒应力预测

针对风电机组载荷监测中应变片寿命短的缺陷,基于风电场海量状态监测数据,利用遗传算法和粒子群算法对BP神经网络进行改进,建立塔筒应力预测模型,并通过综合相关系数实现输入参量的有效选择。仿真结果表明,改进后的GA-BP神经网络预测模型和PSO-BP神经网络模型,预测结果的最大、最小相对误差等指标均比BP神经网络预测模型好;GA-BP神经网络预测模型的塔筒应力预测平均误差为7.04%,相对BP神经网络预测结果误差减少了4.38%,预测精度满足工程需求。所提出的方法建立风电场海量监测数据和塔筒应力数据之间的有效关系模型,可为风电场长期有效的载荷监测提供新的手段。     

神经网络在轨道动力学中的应用

本文中研究了神经网络在列车轨道动力学中的应用。列车轨道系统的各种参数众多,关系复杂,用模型分析出入较大。为了利用试验数据,分析列车轨道动力特性,本文提供了一种应用神经网络的分析方法。结果表明,用神经网络整理分析试验数据是有效的     

Improved neural network model for reverse engineering

While conventional engineering transforms engineering concepts into real parts, in reverse engineering real parts are transformed into engineering models. The construction of a surface from three-dimensional (3D) measuring data points is an important problem in reverse engineering. This paper presents a reconstruction method for the sculptured surfaces from the 3D measuring data points. The surface reconstruction scheme is presented based on a neural network. The reconstruction of the existing surfaces is realized by training the network. A series of measuring points from existing sculptured surfaces is used as a training set. Once the neural network has been trained, it serves as a geometric model to generate all the points that are needed. However, the learning rate for the neural network is relatively slow, and the learning accuracy is often unacceptably low. In this paper, to improve the performance of the neural network, a pre-processor is proposed before the input layer. The pre-processor maps the input into the larger space by generating a set of linearly independent values. The effect of the pre-processor is to increase modelling accuracy, and reduce learning time. Based on this method, experimental results are given to show that the reconstructed surfaces are faithful to the original data points. The proposed scheme is useful for regular or irregular digitized data.     

Prediction of Concrete Cubic Compressive Strength Using ANN Based Size Effect Model

Size effect is a major issue in concrete structures and occurs in concrete in any loading conditions. In this study, size effect on concrete cubic compressive strength is modeled with a back-propagation neural network. The main advantage in using an artificial neural network (ANN) technique is that the network is built directly from experimental data without any simplifying assumptions via the self-organizing capabilities of the neural network. The proposed ANN model is verified by using 27 experimental data sets collected from the literature. For the large specimens, a modified ANN is developed in the paper to further improve the forecast accuracy. The results demonstrate that the ANN-based size effect model has a strong potential to predict the cubic compressive strength of concrete     

神经网络对结构地震反应的预测及试验研究

本文基于神经网络对非线性系统具有辨识和预测功能，并结合具有二阶收敛效应的Levenberg—Marquardt算法，采用一多层前馈网络对建筑结构的地震反应进行了预测。首先以一三层钢筋混凝土结构的振动台试验数据对网络结构进行批量训练，然后用未曾训练的地震波数据对结构进行地震反应预测，并与试验数据进行对比，分析结果表明：Lev—enberg—Marquardt算法能快速收敛，神经网络能准确地预测结构的地震反应。     

基于模糊神经网络的数据融合结构损伤识别方法

为了有效利用结构健康监测系统中的多源传感器数据信息,提高损伤检测与评估的识别正确率,该文通过构造模糊神经网络分类器,提出了一种基于模糊神经网络的数据融合损伤识别方法并将之应用于结构健康诊断中。它先通过数据预处理,提取原始响应信号中的特征参数,接着将之作为模糊神经网络的输入,构造模糊神经网络模型进行识别决策,最后运用数据融合算法,计算出数据融合后的决策结果。为了验证所提方法的有效性,通过一个7自由度的建筑模型,分别用单一模糊神经网络决策器和数据融合损伤识别方法进行了损伤识别和比较。研究结果表明:该文所提方法比单一决策结果更准确、可靠。