图像纹理特征提取方法综述

纹理是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域，纹理特征提取作为纹理分类与分割的首要问题，一直是人们关注的焦点，各种纹理特征提取方法层出不穷。在广泛文献调研的基础上，回顾了纹理特征提取方法的发展历程，分析了其研究现状，对纹理特征提取方法进行了较为全面的综述，对其进行分类和比较，最后给出了纹理研究领域的主要发展趋势。  

粒子群优化算法的分析与改进

分析了惯性权值对粒子群优化(PSO)算法优化性能的影响，进而提出选择惯性权值的新策略．在随机选取惯性权值的同时，自适应地调整随机惯性权值的数学期望，有效地调整算法的全局与局部搜索能力．测试表明基于随机惯性权(RIW)策略的PSO算法，其全局搜优的速率与精度有明显提高．  

可证明安全性理论与方法研究

论述了可证明安全性理论在安全方案与安全协议的设计与分析中的应用,内容主要包括:什么是可证明安全性,可证明安全性理论涉及到的一些基本概念,RO(random oracle)模型方法论的基本思想及其在公钥加密和数字签名等方案中的应用研究进展,标准模型下可证明安全性理论在公钥加密和数字签名等方案中的应用研究进展,以及可证明安全性理论在会话密钥分配协议的设计与分析中的应用研究进展.  

基于谱图理论的流形学习算法

流形学习的主要目标是发现嵌入在高维数据空间的低维光滑流形．近年来基于谱图理论的学习算法受到研究者的广泛关注．介绍了流形与流形学习的关系，着重研究了几种有代表性的基于谱图理论的流形学习算法，并对算法进行了比较分析，最后进行总结和对进一步的研究做了展望．  

综述:产生伪随机数的若干新方法

产生随机数是 Ｍｏｎｔｅ－Ｃａｒｌｏ方法的基础．本文简要综述有关方法，重点是近年来国际上热门的一些新方法与评论，包括作者们的一些工作．除了线性同余法外，还将涉及非线性同余法，Ｆｉｂｏｎａｃｃｉ，Ｔａｕｓｗｏｒｔｈｅ序列，进位加－借位减发生器法，以及乘子和增量也在递推中变化的复合素数发生器和基于混沌映射产生随机数的方法．除此之外，也介绍组合发生器，特别是介绍用于证明组合发生器优于单个发生器的一些理论结果，基于这些理论可实际地构造优良的随机数发生器．在本文中，我们也注意收集和指出某些发生器在应用中可…  

面向数据库应用的隐私保护研究综述

随着数据挖掘和数据发布等数据库应用的出现与发展,如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战.隐私保护技术需要在保护数据隐私的同时不影响数据应用.根据采用技术的不同,出现了数据失真、数据加密、限制发布等隐私保护技术.文中对隐私保护领域已有研究成果进行了总结,对各类隐私保护技术的基本原理、特点进行了阐述,还详细介绍了各类技术的典型应用,并重点介绍了当前该领域的研究热点:基于数据匿名化的隐私保护技术.在对已有技术深入对比分析的基础上,指出了隐私保护技术的未来发展方向.  

一种基于折叠计数器重新播种的确定自测试方案

提出了一种基于扫描自测试的确定与混合模式新方案，这种方案依赖于一个新型的模式生成器，它主要配备一个可编程的约翰逊计数器，称之为折叠计数器。这种新技术首先使用一个小的线性反馈移位寄存器（LFSR），生成伪随机测试模式测试容易测试的故障，并且获得一个硬故障测试立方集T；其次采用经典的输入精简技术，集合T的测试立方宽度可以被压缩；最终为了能够找出合理的小数目折叠计数器种子，来生成这个确定的测试立方集T，给出了其理论背景和实用算法。试验结果表明，这个所建议的方案与先前所公布的基于线性反馈移位寄存器和约翰逊计数器的重新播种方法相比，具有非常出色的结果。因此它提供了一种有效的、弹性的基于扫描的自测试解。  

一个高效的基于身份的签密方案

签密能够在一个合理的逻辑步骤内同时完成数字签名和公钥加密两项功能，而其计算量和通信成本都要低于传统的“先签名后加密”．该文利用双线性对提出了一个新的基于身份的签密方案，并在随机预言模型中给出了安全性证明．在BDH问题是困难的假设下，该方案被证明是安全的．在计算量方面，该方案仅需2次对运算，比目前最好的Chen和Malone—Lee方案少1次．  

层次分析法中高阶平均随机一致性指标(RI)的计算

利用层次分析法分析和解决问题时，要对通过两比较判断出的矩阵一致性进行检验。高阶平均随机一致性指标的值一般无法直接通过查表而得，这以难点阻碍着层次分析法大面积的推广应用。文章在深圳剖析层次分析法的基础上，给出根据平均随机一致性的[定义计算高阶平均随机一致性指标值的算法，并且基于windows环境在delphi6．0下予以程序实现。该算法已成功运用了中国科学院知识创新工程某智能决策系统中。  

混沌遗传算法(CGA)的应用研究及其优化效率评价

利用混沌运动的遍历性,提出了一种求解优化问题的混沌遗传算法(CGA,Chaos Genetic A1gorithm). 该算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变 量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度.研究结果表明,该方法 效果显著,明显提高了优化计算效率.本文将"平均截止代数"和"截止代数分布熵"作为评价指 标,对混沌遗传算法(CGA)的优化效率进行了研究,定量地评价了CGA的优化效率,通过与遗 传算法(GA)进行比较,进一步说明了CGA的优化效率高于GA.