基于Blowfish和MD5的混合加密方案*

针对Blowfish算法在实际应用中存在的等价密钥、重复初始化等问题,提出Blowfish与MD5算法相结合,将MD5算法的生成值作为密钥的一部分对Blowfish算法进行初始化,使用概率统计方法证明该方案弥补了Blowfish算法的实际应用缺陷。计算结果表明,混合加密方案具有更高的安全性、更快的速度。     

基于会话的推荐方法综述

近年来,基于会话的推荐方法受到学术界的广泛关注。随着深度学习技术的不断发展,不同的模型结构被应用于基于会话的推荐方法中,如循环神经网络、注意力机制、图神经网络等。该文对这些基于会话的推荐模型进行了详细的分析、分类和对比,阐明了这些方法各自解决的问题与存在的不足。具体而言,该文首先通过调研,将基于会话的推荐方法与传统推荐方法进行比较,阐明基于会话的推荐方法的主要优缺点;其次,详细描述了现有的基于会话的推荐模型如何建模会话集中的复杂数据信息,以及这些模型方法可解决的技术问题;最后,该文讨论并指出了在基于会话推荐的领域中存在的挑战和未来研究的方向。     

基于决策树规则的分类算法研究

在商业利益的驱动下,人们不断地深入研究决策树算法.为了提高分类的精度,提出了一种基于决策树规则的分类算法.通过C4.5决策树算法得出决策规则,计算决策规则的长度,准确率与覆盖率,对所得的决策规则依次按照规则长度与准确率的乘积大小、长度的大小、覆盖率的大小对规则集进行排序构造分类器,选择优选权最高的规则进行匹配分类.实验结果表明,与C4.5算法相比,该方法的分类精度有所提高.     

可视化环境质量评估系统的设计与实现

介绍了基于数据可视化环境质量评估系统的设计与实现,具体包括系统体系结构、数据库以及基于EIS的数据可视化等。     

图嵌入方法及其在网络虚拟化中的应用

网络虚拟化是当前计算领域的研究热点,其关键技术之一是图嵌入方法,即将由实际需求抽象所得虚拟逻辑拓扑图如何有效嵌入到基础物理网络结构图中的方法。本文的图嵌入方法是基于Cayley图和陪集图的,研究其在对等网络中用于设计高对称性的虚拟拓扑图并获得高效路由方法等虚拟化问题,也探讨了其如何有助于设计现实复杂网络有效路由方法。这些图嵌入方法充分利用图结构对称性,简化一些网络虚拟化问题,其研究对深化和发展网络中的代数和图论方法,以及网络虚拟化技术深入广泛应用有一定意义。     

基于不同子网络级联机制的相依网络鲁棒性研究

以往相依网络的级联失效研究都基于相同子网络级联机制的假设下进行分析,在借鉴前人研究的基础上,利用负载 能力模型提出基于不同子网络级联机制的相级联模型,并分析不同攻击策略对相依网络鲁棒性的影响。通过针对相依ER随机网络和相依无标度网络的攻击策略模拟仿真,对比不同攻击策略的效果,从而发现相依网络拓扑结构要素对不同攻击策略的影响。同时,通过对比同一攻击策略下的不同级联失效机制的效果,发现了级联失效机制的对称性对相依网络鲁棒性造成的影响。     

一种新的输电线路双端行波故障定位算法

针对单双端行波故障测距算法存在难以准确、便捷地识别故障行波波头等问题,提出了一种根据两测量点所测时间比例来计算故障距离的双端行波故障定位算法,将希尔伯特-黄变换和小波变换结合,利用高斯模型快速、准确地提取故障行波波头到达时刻,再结合已知定长计算故障距离。大量基于MATLAB/Simulink的仿真实验结果表明,该算法的相对定位误差不足1%,且不受故障距离、故障类型、故障电阻、故障初相角的影响,具有较好的适应性和实用价值。     

局部加权稀疏表示的文本分类算法研究

基于稀疏表示方法的文本分类强调使用训练样本特征的全局结构对测试样本进行稀疏表示,而对文本特征的局部邻域结构和文档之间相似性缺乏考虑,导致文本分类准确率低和高耗时。为了解决上述问题,本研究以最近邻和最近特征子空间为基础,并建立局部邻域结构和距离加权机制,提出一种局部加权稀疏表示的文本分类算法,使文本语义信息表达更丰富、稀疏表示更具判别力。实验结果表明本文算法准确率高于基线算法2.4%～5%,运行速度提高1.35～2.8倍。     

基于ARM和ZigBee的智能家居系统

为了实现家庭设施的智能化控制,提出了一种基于ARM和ZigBee的智能家居系统。该系统通过ZigBee传感器网络采集家居设备信息与传输控制指令,嵌入式系统进行数据的处理与传输,能够实现与CDMA蜂窝网以及Internet互通,用户既可以通过嵌入式控制平台进行家居系统的控制,又可以通过笔记本电脑与手机等移动设备进行控制。通信仿真和嵌入式样机视频传输性能测试表明,该系统完全能够达到家居系统的一般应用要求。     

用全局稳定FCHNN在CIELab色彩空间进行图像分割

在张星明等人所做工作的基础上,进一步从李雅普诺夫稳定性原理出发,改进性地设计了具有全局渐进稳定性和全局指数稳定性的模糊竞争Hopfield神经网络（简称GS-FCHNN）,用GS-FCHNN进行彩色图像分割,从彩色图像在CIELab空间的色彩分布图获得具有明显色差的色彩值,取该值作为模糊核,从而为神经元建立基于最大隶属度原则的状态函数,实现彩色图像的模糊聚类,达到图像目标分割的目的。实验结果表明：较FCHNN算法,运算时间有明显加快,分割效果不受色彩分布的复杂度的影响,对高斯噪声的自适应能力得到进一步加强。