关于带有门限变换函数的基因算法的门限值选择方法的研究

在文献［２］的工作基础上，进一步研究了不同的门限值选择方法，及其对算法的影响，提出了两类选择方法：带解空间反馈信息的选择法和随机选择法。在带有反馈信息选择方法中，提出了３种方法，即顺序法、跳跃法和总体信息法。模拟实验及分析表明顺序法优于另两种方法。     

融合可验证随机函数和门限签名的拜占庭容错共识算法

共识算法作为区块链底层的关键技术,可以解决分布式系统中由于节点分散而导致的共识难以达成的问题.现在联盟链中普遍使用的实用拜占庭容错共识算法,在准备阶段和提交阶段需要所有备份节点间互相交换信息,出现网络故障或者遭遇分布式拒绝服务攻击的时候,会出现活性差、可扩展性不强、鲁棒性不足等问题.针对上述问题,本文以联盟链在高校学生信息存储和管理运用为背景,在实用拜占庭容错算法基础上,提出一种融合可验证随机函数和门限签名的拜占庭容错共识算法.算法利用可验证随机函数的随机特性和零知识证明的特性来构造匿名选主算法,达到隐藏主节点,模糊敌手攻击对象,增强抵抗网络自适应攻击的能力.同时通过基于代表法定人数投票意愿的门限签名机制,使备份节点只通过验证门限签名,就能确认共识达成,从而保证在高丢帧率的网络环境下,增加达成共识的概率,提升拜占庭容错共识算法的鲁棒性.实验分析表明,系统在f个节点宕机、网络数据发送成功率只有80%的情况下,达成共识的概率依然超过90%,在提高共识概率的同时,降低签名验证的次数,提升了可扩展性,有效保证了系统的活性.     

量子傅立叶变换算法的仿真实现

利用核磁共振（NMR）实验技术来实现量子计算,是当前各种验证量子算法最为有效的方法之一,但这个方法首先必须把量子算法编译成在现代超导核磁共振谱仪上能够直接执行的NMR脉冲序列,亦即NMR量子计算程序，在NMR技术中,通常只要施加合适的射频脉冲,便可以达到使核自旋翻转以实现某种逻辑功能的目的，本文讨论如何设计多量子位核磁共振（NMR）脉冲序列来实现量子傅立叶变换算法,并在量子仿真器（QCE）上进行实验验证。     

一种基于算法骨架的函数式程序变换技术

如何提高函数式程序设计语言在传统冯·诺依曼机器上的执行速度.及效率,一直是该领域中研究的主要论题,对此,并行图归约技术、并行闭包归约、并行编译、并行程序转换等等技术相继成为改善这种状况的措施。     

基于变换函数与填充函数的模糊粒子群优化算法

本文提出了一种基于变换函数与填充函数的模糊粒子群优化算法（Fuzzy partical swarm optimization based on filled function and transformation function,FPSO-TF）.以基于不同隶属度函数的多回路模糊控制系统为基础,进一步结合变换函数与填充函数,使该算法减少了陷入局部最优的可能,又可以跳出局部极小值点至更小的点,快速高效地搜索到全局最优解.最后采用基准函数对此算法进行测试,并与几种不同类型的改进算法进行对比分析,验证了此算法的有效性与优越性.     

幂律变换和IGLC算法的显著性目标检测方法

针对显著性检测方法生成显著图存在对比度低、目标区域细节不明显、检测区域不准、背景抑制效果不足的问题，提出幂律变换和IGLC算法的显著性目标检测方法。利用幂律变换函数优化IG算法，彻底抑制显著图的背景区域。经二值化处理的显著图在原图像分割，得到感兴趣目标分割图；LC算法优化感兴趣目标分割图，得到细节佳的显著图；利用自适应烟花算法增强显著目标区域的对比度，生成最终的显著图。对标准测试数据集MSRA10K和PASCAL-S数据集中的图像进行显著性目标检测实验，且与目前较流行的6种显著性目标检测方法进行主观和客观的对比分析，分析结果均优于对比方法。该算法得到的显著图既具有对比度和细节增强的效果，又具有背景抑制效果更好的优点。     

uBlock算法的低代价门限实现侧信道防护方法

在传统的基于黑盒模型的密码分析中,攻击者仅可以利用密码算法的输入输出信息进行攻击,现有密码算法在黑盒模型下的安全性已经得到较为充分的论证.但是在灰盒模型下,攻击者的能力得到提高,其不仅可以获取密码算法的输入输出信息,还可以获得密码算法实际执行过程中泄露的功耗、电磁、光等物理信息,这些物理信息和密码算法的中间状态具有相关性,敌手可以利用这种相关性进行秘密信息的恢复,这种攻击被称为侧信道攻击.侧信道攻击自提出以来,由于其相对低的实现代价以及较高的攻击效率对于密码算法的实现安全性造成了严重的威胁.u Block算法是2019年全国密码算法设计竞赛分组密码一等奖获奖算法,同样受到了侧信道攻击的威胁.目前针对u Block算法的研究较少,在硬件实现方面主要考虑低延迟高吞吐量的实现,缺乏针对资源受限情况下的低代价优化实现,不利于侧信道防护方案的构造.目前公开的文献中指出其S盒适用于基于门限实现的侧信道防护方案构造,存在3-share的无需新随机数的门限防护方案,但是没有给出具体的实现方案.针对这样的现状,本文首先基于流水线和串行化的思想设计并实现了一种适用于u Block算法的低代价硬件实现方案;...     

基于蚁群优化算法的基因选择

将蚁群优化算法(ant colony optimization algorithm,ACO)引入基因选择领域,并用基因与类别的相关性分析所得值来初始化最优化问题,缩短了找寻最优解的时间;以基因子集整体的样本辨别能力与子集中基因之间的平均距离的线性表达作为目标函数,有利于在找到关键基因的同时消除冗余;同时,由于目标函数不采用分类准确度,大大降低了计算复杂度,提高了方法的灵活性和适应性。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于曲波变换和小波变换的图像去噪算法

针对应用曲波变换进行图像处理过程中所产生的伪影现象,提出一种基于快速离散曲波变换和小波变换的联合去噪算法。对噪声图片分别采用非抽样小波变换和快速离散曲波变换进行去噪,并对经过快速离散曲波变换去噪后的图像进行四叉树分解,根据分解结果对图像进行重构得到最终融合图像。实验结果表明,联合去噪算法对图像的边缘和均匀区域都有较好的去噪效果,能够有效抑制伪影,具有较高的峰值信噪比。     

基于HSI变换和QPSO变换的图像融合算法

提出了一种基于HSI和QPSO（即基于量子行为的粒子群优化算法）的图像融合方法,HSI变换方法对多光谱图像和全色图像进行融合会丢失较多的光谱信息。利用QPSO算法来求解HSI变换中光谱强度分量的最优变换问题。由于采用了QPSO算法,使最后变换后的图像与多光谱图像和全色图像都有很强的相关性。实验表明,此方法所得到的融合图像优于传统HSI变换。     

基于ReliefF和蚁群算法的特征基因选择方法

针对高维小样本的DNA微阵列数据多分类问题,提出一种基于ReliefF和蚁群算法的特征基因选择方法(ReliefF and Ant Colony Optimization, ReFACO)。该方法首先采用ReliefF算法评估特征权重,根据阈值筛选出无关基因;然后引入改进的蚁群算法,在迭代改进的过程中寻找最优基因子集;最后利用经典分类算法对维数约简后的数据分类识别。经实验证明,该方法可以有效地剔除无关和冗余基因,并利用较少特征基因达到较高多分类效果。     

基于邻域互信息和K均值的基因选择算法

多数传统的属性聚类算法不能直接处理连续型属性,为了避免连续数据离散化处理时造成的信息损失,降低样本属性邻域求解的复杂度,提高特征基因提取的效率。文中提出一种将邻域互信息用于属性聚类的特征基因选择方法,用于在海量的基因表达谱数据中挖掘出少量的具有分类识别能力且冗余度较小的特征基因。     

基于离散小波变换和混沌序列的水印算法

本文提出了一种针对于灰度图像的数字水印算法.算法是利用图像小波分解后中高频系数的情况即细节的多少.使用logistic二值混沌序列作为水印信号,加性修改小波分解后中频系数对具有代表性的图像进行水印数据的嵌入.在水印检测和提取时,利用多个序列相关检测的方法,提高了水印检测时的正确率.     

基于邻域互信息和K均值的基因选择算法

多数传统的属性聚类算法不能直接处理连续型属性,为了避免连续数据离散化处理时造成的信息损失,降低样本属性邻域求解的复杂度,提高特征基因提取的效率。文中提出一种将邻域互信息用于属性聚类的特征基因选择方法,用于在海量的基因表达谱数据中挖掘出少量的具有分类识别能力且冗余度较小的特征基因。     

基于傅立叶函数基变换的过程神经元网络学习算法

针对过程神经元网络训练涉及的时域聚合运算问题,提出了一种基于傅立叶正交函数基展开的过程神经元网络学习算法。在网络输入函数空间中引入傅立叶正交函数基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用函数基的正交性,可简化过程神经元在时间聚合运算中的复杂性,提高网络学习效率。给出了具体的实现算法,仿真实验结果证明了算法的有效性。     

基于蜂群算法和带参阈值函数的图像去噪方法

针对小波阈值去噪方法中存在阈值选取困难和阈值函数量化效果差的缺陷,提出一种基于人工蜂群算法和带参阈值函数的图像去噪方法。首先,设计一个新的小波阈值函数,该函数具有连续性,高阶可微性和参数可调性,能够有效地解决硬阈值函数的不连续性和软阈值函数具有恒定偏差的问题。然后采用人工蜂群优化算法选取最优阈值,将其代入新小波阈值函数对带噪图像进行去噪处理。最后用MATLAB进行仿真实验,对比新阈值函数和传统阈值函数的去噪效果。实验结果表明：在图像去噪效果方面,提出的基于人工蜂群算法的新阈值函数明显优于传统阈值函数。     

基于蚁群和Hough变换的虹膜定位算法

为了克服传统的虹膜定位算法准确率不高的缺点,提出了一种基于蚁群和Hough变换的虹膜定位算法.该算法首先利用梯度信息在虹膜边缘处的直观响应作为启发因素,引导蚁群搜索虹膜边缘.然后蚂蚁根据路径上的不断更新增大的信息素,搜索虹膜的内外边缘的像素点.最后通过Otsu阈值和Hough变换确定出虹膜内外边界.实验表明,该算法能够有效、快速地定位出虹膜的内外边界.     

基于粗糙集和蚁群算法的特征基因选择方法

特征基因选择在微阵列数据分析中占据着非常重要的作用,好的特征选择方法是提高基因表达数据的分类精度与分类速度的关键之一.联系蚁群算法和粗糙集理论在微阵列数据处理上的优势,文中结合粗糙集理论,对蚁群优化算法模型进行了改进,并将粗糙集的属性依赖度和属性重要度应用到蚁群算法的路径选择及评估中,提出一种新的基因选择方法.该方法实现简单,并可以比较快速地获得最优解,最终选择出较小的并且分类性能较强的特征基因子集.通过对基因数据集的仿真实验表明,该算法是有效可行的.