中央加密系统在动态密钥分存方案中的应用研究*

在单齿加密－解密算法基础上,提出了一种基于单齿中央加密系统的动态密钥分存方案。研究指出：任意K个系统成员B={B1,B2,…,Bk},它们各自选择无规则分布的正整数集合XBi={xi1,xi2,…,xim}。其中i=1,2,…,k,并公开XBi。利用P〈G, X,X′〉,任意l个(或更多)Bi能够重构共享密钥。其中k,l∈N,l≤k。研究结果表明,该方案具有良好的保密性和安全性。     

S-粗集与数据挖掘单位圆特征

给出单向S-粗集(one direction singular rough sets)、单向S-粗集对偶(dual of one direction singular rough sets)的结构。单向S-粗集与单向S-粗集对偶是改进Z.Pawlak粗集得到的,单向S-粗集与单向S-粗集对偶具有动态特性。给出单向S-粗集、单向S-粗集对偶与Z.Pawlak粗集的关系。S-粗集具有三类形式:单向S-粗集、单向S-粗集对偶、双向S-粗集,利用单向S-粗集、单向S-粗集对偶,给出数据内挖掘、数据外挖掘概念,给出数据内挖掘的外同心圆定理、数据外挖掘的内同心圆定理,并给出其应用。S-粗集是粗集理论与应用研究的新分支。     

函数S-粗集与规律F-隐藏

函数单向S-粗集(Function one direction singular rough sets)是用R-函数等价类定义的,函数是个规律;函数单向S-粗集具有规律特征、动态特征.利用函数单向S-粗集,给出规律F-隐藏概念,提出规律的F-隐藏定理,隐藏识别准则,给出规律的F-隐藏的应用.规律的F-隐藏是函数S-粗集中的一个新的应用研究方向,函数S-粗集是信息规律研究中的一个新理论与新工具.     

双枝模糊集(Ⅲ)

提出双枝模糊集Ｓ的理论,本课题是［Ⅰ,Ⅱ］研究的继续．在单枝模糊集理论（Ｌ．Ａ．ＺａｄｅｈＦｕｚｚｙＳｅｔＴｈｅｏｒｙ）研究中,由于引进λ－截集Ｓλ的概念,便产生了单枝模糊集的并－普通分解定理［３］,交－普通分解定理［４］．［Ⅰ,Ⅱ］提出了双枝模糊集Ｓ,由于引进了λ－截集Ｓλ的概念,便产生了双枝模糊集Ｓ的并－普通分解定理,交－普通分解定理．人们自然提出这样的问题：双枝模糊集可以分解成若干个普通集Ｓλ;双枝模糊集Ｓ是否能分解成若干个模糊集Ｓα？本文的研究说明：双枝模糊集Ｓ可以分解成若干个模糊集Ｓα．（一个单枝模糊集Ａ也可以分解成若干个模糊集Ａα,但是在单枝模糊集理论中没有被人们去研究．）本文给出Ｓ的α－嵌入集Ｓα的概念,提出Ｓ的α－嵌入定理,Ｓ的α－嵌入模糊分解定理．     

函数P一集合与信息规律的属性控制

函数P-集合(Function Packet sets)是一个新的数学模型与新的数学结构,是研究动态信息系统信息规律的一个新理论与新方法。函数P-集合是由函数内P-集合SF珚(function internal packet set SF珚)与函数外P-集合SF(func-tion outer packet set SF)构成的函数集合对。函数P-集合具有规律(函数)特征、动态特性。利用这一特性,研究信息规律属性控制,给出函数P-集合与信息规律生成,实现信息规律属性控制定理及信息规律的属性控制在信息图像边界稳定中的应用。     

倒向P-推理与内P-属性类特征

P-推理(packet reasoning)是由P-集合(packet sets)的结构与动态特征得到的。P-推理由内P-推理(internalpacket reasoning)与外P-推理(outer packet reasoning)构成,具有动态特性与"序"特性。对P-推理进行"反序"研究,得到倒向P-推理(backward packet reasoning)。倒向P-推理由倒向内P-推理(backward internal packet reasoning)和倒向外P-推理(backward outer packet reasoning)构成。倒向P-推理的特征是:利用推理条件中集合的变化,在推理结论中找到变化的属性集合。利用倒向P-推理,给出P-属性类、P-属性类特征、P-属性类发现-辨识以及P-属性类在信息系统中的应用。     

F-阶梯知识与F一阶梯挖掘一发现

利用单向导粗集((one direction singular rough sets)与它的动态特性,给出F-阶梯知识、F-阶梯度的概念。利 用这些概念,提出F-阶梯知识分辩定理、最小F-阶梯知识挖据发现定理、最大F-阶梯知识挖掘一发现定理、知识发现 依赖一筛选定理与F-阶梯知识内潜藏原理,给出F-阶梯知识挖掘一发现准则及应用。这些结果是单向导粗集的新特性 与单向导粗集的动态特性的新应用。     

一种基于知识粒度的属性约简算法

通过引入知识粒度的概念,对信息系统中属性的重要度进行了定义;并以属性重要度为启发式信息,提出一种基于知识粒度的属性约简启发式算法,该算法的时间复杂度是多项式的.最后通过例子说明了该算法的有效性.     

S-粗集与新金属材料发现（Ⅱ）

给出属性下界值，属性上界值的数据生成概念，给出属性下界值的数据生成模型，属性上界值的数据生成模型；提出金属材料的遗传一进化定理，金属材料的遗传进化一遗传变异原理．利用这些数据模型讨论了发现新金属材料的方法；对于新发现的新金属材料用例子证明它的存在，本文的例子说明，S-粗集和它的属性值模型是材料科学中新材料发现的一个新的工具。     

图像的二维混合迭代加密-识别

作者曾给出图像的一维迭代加密 识别的讨论和椭圆曲线的应用 ;利用已有的结果 ,给出图像的二维混合迭代加密 识别和椭圆曲线的应用 .对于一类重要的图像 ,使用特殊的算法得到横向特征图 ,纵向特征图 ,采用本文给出的研究使图像在传递中获得更好的安全性 .这里给出的研究比以前给出的研究具有更多的优点 .给出二维混合迭代加密 识别的应用 .二维混合迭代加密 识别有效的抵御对图像的攻击 ,使系统的安全系数提高