面向异步网络的安全分布式随机数通用构造

随机数在密码学和区块链领域扮演着极其重要的角色，如密码学中的安全参数生成、共识机制中的委员会重配置以及电子投票的智能合约应用等.近年来针对不依赖可信第三方的分布式随机数生成技术的研究受到了越来越多的关注，其中基于秘密共享的方案数量最多，但普遍通信复杂度较高，而通信复杂度较低的一些方案通常牺牲了随机数的抗偏置性和不可预测性.另外，现有大多数方案基于同步网络模型，网络假设较强，与现实网络环境不符.本文主要研究基于秘密共享的分布式随机数生成技术，抽象出不同方案的共性并兼容特殊性，以及弱化网络假设和优化通信开销.具体贡献如下：(1)提出了交互的分布式随机数生成通用构造.满足伪随机性、唯一性和鲁棒性安全目标，并使用该通用构造对一个分布式随机数生成方案进行了分析，从而更加证明其通用性；(2)设计了面向异步网络的安全分布式随机数生成方案.将现有方案O(n³)和O(f²n²)的通信复杂度降为O(fn²)，将O(fn²)计算复杂度降为O(n²);(3)实现了分布式随机数仿真...     

火麻仁油微乳凝胶面膜的制备及初步评价

目的:制备火麻仁油微乳凝胶补水面膜并对其理化性质、保湿性和抗氧化活性进行评价.方法:通过伪三元相图确定火麻仁油微乳最佳处方,采用单因素及正交试验优化火麻仁油微乳凝胶处方,载入保湿活性物质制得火麻仁油微乳凝胶面膜并对其质量、稳定性、保湿性和抗氧化活性进行评价.结果:火麻仁油微乳最佳处方:火麻仁油0.2％、PEG-20氢化蓖麻油0.53％、1,3丙二醇0.27％.火麻仁油微乳凝胶最佳处方为卡波姆-940含量1％,丙三醇含量5％,稀释倍数30倍.制得的微乳凝胶澄清透明、涂展性较好、易清洗、不油腻;平均粒径为(30.91±0.31)nm,PDI为0.299±0.017,电位为(-3.54±0.43)mV;黏度为494725.15 mPa·s;pH值为5.50±0.01;保湿效果优于市售某凝胶面膜;火麻仁油微乳凝胶面膜对DPPH自由基清除率高于火麻仁油毛油,质量浓度为6 mg·mL-1时可达62.39％,IC50为3.71 mg·mL-1.结论:火麻仁油微乳凝胶面膜安全、稳定,制备工艺简单,对皮肤具有良好的补水和抗氧化效果,具备开发和推广的价值.     

一种基于全变分技术和Lp伪范数的椒盐噪声去除方法

针对传统各向同性全变分（Isotropy total variation，ITV）去噪算法容易导致图像边缘模糊、不易保持图像细节信息等问题，提出一种基于L _p 伪范数和各向同性全变分的图像去噪方法。该方法将L _p 伪范数代替ITV模型中的L ₁范数，利用交替方向乘子算法（Alternating direction method of multipliers, ADMM）将能量泛函拆解成若干个子问题，并将差分算子视为卷积算子；然后引入卷积定理和快速傅里叶变换(Fast Fourier transform, FFT)提高算法运算效率；最后通过Matlab进行仿真实验，运用图像质量的客观和主观评价方法进行评价分析。结果表明，本文方法能够较好地保留图像的边缘特性，有效提升去噪效果。     

基于伪布尔模型和启发式算法求解无容量设施选址问题

采用伪布尔模型和启发式算法来求解无容量设施选址问题。首先给出了问题的伪布尔(pseudo-Boolean)表示，然后基于Khumawala规则对问题进行预处理，最后提出两种启发式分支准则来求解问题。实验结果表明所提算法简单有效。     

伪标签置信选择的半监督集成学习视频语义检测

在视频语义检测中，有标记样本不足会严重影响检测的性能，而且伪标签样本中的噪声也会导致集成学习基分类器性能提升不足。为此，提出一种伪标签置信选择的半监督集成学习算法。首先，在三个不同的特征空间上训练出三个基分类器，得到基分类器的标签矢量；然后，引入加权融合样本所属某个类别的最大概率与次大概率的误差和样本所属某个类别的最大概率与样本所属其他各类别的平均概率的误差，作为基分类器的标签置信度，并融合标签矢量和标签置信度得到样本的伪标签和集成置信度；接着，选择集成置信度高的样本加入到有标签的样本集，迭代训练基分类器；最后，采用训练好的基分类器集成协作检测视频语义概念。该算法在实验数据集UCF11上的平均准确率到达了83.48%，与Co-KNN-SVM算法相比，平均准确率提高了3.48个百分点。该算法选择的伪标签能体现样本所属类别与其他类别的总体差异性，又能体现所属类别的唯一性，可减少利用伪标签样本的风险，有效提高视频语义概念检测的准确率。