基于同态加密的隐私保护主成分分析方法

在现实生活中,不同的行业之间,甚至同行业不同部门之间的数据并不互通,随着计算机算力的提升,制约模型训练效果的不是算力而是数据量.因此,想要得到更好的算法模型,仅靠某一方的数据是不够的,需要两方或者多方的参与,这就要求对各方的数据进行隐私保护.除此之外,随着收集的数据越来越详细,数据的维数也越来越大.面对高维的数据,数据降维是不可缺少的环节,而在数据降维方面,主成分分析(Principal Component Analysis,PCA)是常用的手段.当拥有数据的两方想要合作进行隐私保护的数据降维时,同态加密技术是一种解决办法.同态加密技术可以在保护数据隐私的前提下对加密数据进行计算,可以用在加密数据的PCA上.针对上述应用场景,利用CKKS同态加密方案,通过幂法迭代的SVD技术设计了一种两方加密数据进行PCA的方案,在保护两方数据隐私的前提下实现数据降维的目的;通过改进传统幂法迭代步骤,避免了代价高昂的同态密文除法运算,使得在选取较小的加密参数时,也能支持更多的幂法迭代次数,从而在缩短同态计算时间的同时提高计算精度.在公共数据集上进行测试,并与现有方案进行对比,该方案在计算耗时上缩短了约80％,与明文计算结果的均方误差缩减到1％以内.     

城镇化背景下基于时序TM/NDVI的建成区检测方法——以福州市为例

对1990—2010年49景福州市TM时间序列影像进行处理,采用MODTRAN4+模型进行大气校正,得到研究区土地覆盖类型的NDVI值的多时相轨迹图。分析城镇化背景下建成区的变化特征和NDVI时间序列数据的季节特征,添加耕地发展为建设用地的地物特征到学习样本,比较不同数据组合对最大似然法、支持向量机、神经网络法、面向对象法对分类和检测城镇化背景下建设用地精度的影响,以及比较添加样本特征后对城镇化进程中建设用地检测方法的影响。结果表明,对于小样本数据集,面向对象法具有最高的分类精度,不同的数据组合与不同季节对面向对象法分类精度的影响分别达3.49%和5.22%,引入NDVI时间序列数据和添加变化地物的学习样本,总体分类精度提高了3.54%,建设用地的制图精度提高了4.24%。     

基于k阶秩函数的线性赋值循环程序的终止性分析

循环程序的终止性是确保循环程序完全正确的必要条件。 如果给定的线性赋值循环程序不存在传统定义的线性秩函数,那么基于传统定义的秩函数终止性证明方法将失效。基于Aⁿx的精确计算,对传统的秩函数概念进行了扩展,提出了k阶秩函数的概念。使用RegularChains软件包给出了合成k阶秩函数的具体方法。实验结果表明,相比于传统定义的线性秩函数,k阶秩函数的适应范围更广。对于 不能用传统定义的秩函数证明其终止性的部分循环程序,可以基于k阶秩函数来证明,从而体现了所提方法的优越性。     

不同产地辣椒挥发性成分的对比研究

为探究火锅常用干辣椒及其籽、皮的品质及香气的差异,采用理化分析结合气相色谱-质谱联用的方法,对6个不同品种干辣椒及其皮、籽的品质及挥发性成分进行比较分析。结果表明,脂肪（14.50%~24.50%）和蛋白质（12.20%~17.10%）在辣椒籽中含量更高,而辣椒皮的水分（9.80%~16.50%）和总糖（7.87%~16.70%）含量更高;在色泽方面,‘子弹头’、‘艳椒’和‘新一代’的颜色较为鲜红,‘艳椒’的色价（15.12）最高;在辣度方面,‘印度椒’辣度（892度）最高,‘灯笼椒’辣度（43度）最低,辣椒皮的辣度高于辣椒籽。在6个品种干辣椒及其皮、籽中共检测到80种挥发性成分,不同品种干辣椒的挥发性成分具有一定差异,包括D-柠檬烯、4-甲基-1-戊醇、苯乙醛、乙酸、川芎嗪等;干辣椒皮与籽对其整体香气的贡献也不同,D-柠檬烯、芳樟醇、苯乙醛、丙酮、乙酸等在辣椒皮中相对含量较高,主要呈花果香、木香和辛辣气息,而辣椒籽中D-柠檬烯、2,3-丁二醇、4-甲基-1-戊醇、乙酸、二甲醚等的相对含量较高,主要贡献花果香味。研究可为复合使用不同品种干辣椒生产不同风味火锅底料提供理论参考。     

变换光学的物理原理和前沿进展

变换光学基于麦克斯韦方程的形式不变性,可以任意的控制电磁场达到需要的空间分布,是最近光学以及工程领域的热门研究方向。我们从历史发展的角度回顾了变换光学概念的产生历程,简要介绍变换光学的基本物理原理,并结合光学隐身、光学幻觉和波导工程等现代光学工程实验总结了在当前科学和工程领域中的代表性应用。介绍近期变换光学新概念框架的进展以及在声学、热学、量子波领域中应用的拓展,讨论变换光学未来理论和工程方面的发展方向。     

不同矩形截面的两个平行永磁体磁力解析模型

为了解决不同矩形截面的两个平行永磁体磁力数值计算复杂、缺乏易于计算的磁力解析模型问题,基于磁荷法和虚位移法得到两细长永磁体磁力公式,采用四重积分法建立了新的不同矩形截面永磁体磁力解析模型,分析了磁力与永磁体结构参数的关系,ANSYS仿真验证了模型的正确性。结果表明:该解析模型计算值和ANSYS仿真值吻合,采用该解析模型进行磁力计算相对简单快速,当用第1级别细分网格时,ANSYS仿真与解析模型计算的平均误差为6.17%,误差满足工程要求。该解析模型为Halbach永磁导轨设计及其结构优化提供支持。     

基于混合CNN的自然语言因果关系抽取方法

针对现有自然语言因果关系抽取模型的低准确性和自由参数过多等问题,提出高效的面向知识通道和面向数据通道相结合的混合卷积神经网络(Mixed Convolution Neural Network,MCNN)方法.面向知识通道结合词汇知识库中因果关系的语言知识,自动生成的卷积过滤器以捕获因果关系的重要语言线索.实验表明与Si...     

基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断

在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明：SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。