ID口令进化的Ad Hoc网络会话密钥方案

提出了一种基于通信节点身份标识(ID)的口令进化的Ad hoc网络会话密钥方案,该方案包括系统初始化、基于ID的口令进化算法、节点身份认证算法和节点会话密钥算法4部分.方案中采用基于通信节点ID的口令作为节点身份认证和节点会话密钥的主要参数,减少了计算复杂度和交互次数,并采用了口令进化算法,使得相同节点每次通信的口令不同.而不同的口令和不同的随机数,又使得相同节点每次通信的密钥对不同,会话密钥也不同,既提高了口令的安全性,也提高了整个密钥方案的安全性.该方案的密钥不依赖任何控制节点,非常适合Ad hoc移动网络.该方案可以抵抗针对口令的字典攻击和各种密钥算法攻击,具有与RSA等同的安全性.     

基于奇异值分解的小波域灰度数字水印算法

针对灰度数字水印的隐藏问题,依据Arnold变换、奇异值分解及小波分析理论,提出了一种基于奇异值分解的小波域灰度数字水印算法,该算法对图像先进行二级小波分解,将分解得到的低频子图进行奇异值分解,然后将经Arnold变换置乱后的灰度水印嵌入.实验结果表明,该算法有效克服了灰度水印数据量大的缺点,并具有水印嵌入后图像失真小、鲁棒性好、安全性高等优点.     

一种基于麦克风和扬声器的轻量级认证协议

随着网络与通信技术的快速发展,移动终端的身份认证已经成为信息安全中不可或缺的一部分。该系统利用移动设备自带的音频收发硬件（扬声器/麦克风）获取音频物理指纹,实现基于音频物理指纹的设备认证。该系统提出的基于音频物理指纹的认证方法,具有良好的普适性、可靠性和稳定性,同时对硬件要求低,可广泛应用于各种设备认证如无线接入、近场通信等场景。针对上述协议,设计了可用于Android系统的应用软件。实验分析发现该协议具有较好的安全性、普适性和鲁棒性,认证的准确率达到99%以上。     

基于SVD和小波变换的数字音频水印算法

为了保障数字音乐安全性,提出了一种基于奇异值分解和离散小波变换的数字音频水印算法.首先对二值水印图像进行奇异值分解求出奇异值作为水印,并对音频信号进行离散小波变换并计算水印嵌入点,最后将水印信号嵌入.按照水印嵌入的反操作进行水印提取,采用叠加噪声、去除噪声等进行攻击.实验表明,该算法具有较强的鲁棒性和不可感知性,能有效抵御各种常见攻击.     

基于提升小波变换和奇异值分解的灰度图像水印算法

结合提升小波和奇异值分解的特点,提出了一种新的基于提升小波变换和奇异值分解的灰度图像水印算法.该算法先对载体图像进行分块,并对每块进行二级提升小波变换,然后对中高频部分继续进行提升小波变换,对选取的频带四重使用奇异值分解和再次分块的方法构造矩阵,将SVD后提取的奇异值重新分配和组合,最后将灰度水印图像有效地嵌入到多次组合后的矩阵中.这不仅能增加嵌入的信息量,提高水印的安全性,而且实现了水印的透明性和鲁棒性之间的最佳平衡.仿真实验表明,该算法不仅具有较好的透明性,而且对常见攻击如:JPEG压缩、叠加噪声、滤波以及各种几何攻击等具有很强的鲁棒性.     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

基于小波变换和奇异值分解的图像水印算法

针对多媒体资源的版权保护问题,结合离散小波变换和奇异值分解技术的优点,提出了一种基于离散小波变换和奇异值分解的图像水印算法.该算法首先将原始宿主图像分解为4个频带(LL、HL、LH和HH),再对水印图像做奇异值分解,并修改宿主图像的离散小波变换系数和水印图像的奇异值.实验结果表明,该算法不仅具有良好的不可见性,而且对诸如滤波、几何攻击、JPEG压缩和旋转等常见的图像攻击具有很强的鲁棒性.     

广义线性系统的状态反馈和极点配置

利用矩阵的奇异值分解讨论了广义线性控制系统 ,得到了该系统的奇异值标准形式 ,从而大大简化了系统的分析和设计 ,继而给出一种极点配置方法     

奇异值分解在粮虫检测系统中的应用

简介了基于图像处理的粮虫检测系统的结构,阐明了图像增强和图像压缩对于检测系统的意义。接着介绍了奇异值分解的基本理论,并应用该理论实现了图像的增强,还原和压缩。基于Matlab7.1仿真实验表明将奇异值分解应用于粮虫检测系统中是有效的。     

图像双层划分和奇异值分解的数字水印算法

为提高数字水印的安全性，提出了一个新的基于图像双层网格划分和奇异值分解的数字水印算法．讨论了图像双层网格划分的概念和方法，对基于奇异值分解的单层水印算法中的水印嵌入函数进行了改进．该算法采用传统算法对图像的第一层网格进行水印嵌入后，再采用具有补偿特性的水印嵌入方法，对图像的第二层网格进行水印嵌入，同时通过迭代过程，提取稳定的水印信息．实验结果表明，该算法对嵌入的水印具有很好的透明性，对重采样、平滑、加噪声和压缩攻击具有较强的稳健性.当一层水印被完全消除时，另一层水印仍能较好的被提取出来, 使数字水印的安全性得以提高．     

基于小波奇异熵和SOM神经网络的微电网系统故障诊断

针对微电网系统运行方式灵活、拓扑结构多样的特点,基于对小波变换、奇异值分解和泛化信息熵基本理论的分析,揭示了小波奇异熵能够对故障信号给出确定的量度,将小波奇异熵与自组织特征映射(self-organizing feature map, SOM)神经网络相结合,提出一种能够适应微电网系统拓扑结构变化情况的故障诊断方法。 利用PSCAD4.2建立了微电网故障仿真系统,进行故障诊断仿真试验。 试验结果表明:该方法不受故障位置、故障时刻等因素的影响,在微电网系统拓扑结构发生变化的情况下,能实现有效的故障诊断。     

一种新的基于奇异值分解的图像隐藏方法

以数字图像信息隐藏问题为研究的切入点,介绍了奇异值的数学理论基础,讨论了矩阵奇异值分解与重构的原理和方法;构造了一种新的基于奇异值分解的图像隐藏的算法,用实例说明了奇异值分解在图像隐藏中的原理和应用,并在奇异值分解的基础上重构了原图像,取得了较好的效果,表明了该方法的有效性．     

校园网安全威胁及其应对策略探讨

校园网在运行过程中面临各种安全威胁。论文通过对校园网及其应用系统的访问控制体系问题进行分析，就身份认证、防火墙，文件和服务的共享访问和封锁系统漏洞四个方面提出基于访问控制的安全策略。     

奇异值分解与中心度量的细粒度车型识别算法

针对细粒度车型识别图像分类因存在冗余特征而导致识别率低的问题,提出一种基于奇异值分解与中心度量的细粒度车型识别算法。首先,提出一种基于奇异值分解卷积神经网络,对全连接层的权重矩阵进行奇异值分解后重新赋值并微调,可以去除具有相关性的冗余特征,学习到细粒度级别的区分性特征;其次,提出一种学习不同特征的融合损失方法,将中心距离损失和分类损失进行加权融合,使得学习的特征类内之间的距离更小。实验表明,该方法使用 Residual Network(ResNet)框架在Cars-196细粒度车型数据集上测试,准确率能够达到93.02%,优于目前表现较好的双线性和注意力模型。扩展实验证明该方法同样适用于其他网络框架。     

一种广义离散随机线性系统的状态估计

针对目前关于广义系统状态估计的研究现状，即几乎所有的讨论都集中在奇异矩阵为方阵的情况，讨论了广义矩阵及其性质，利用矩阵的奇异值分解理论，给出了奇异矩阵为条形或带形广义离散线性系统的奇异值标准形式，基于标准形式，利用广义逆矩阵的性质，在两种情况下，将系统分解成两个子系统，通过估计子系统的状态，得到了该系统状态的最优预测和滤波递推方程。结果表明，对于广义系统，该方法有效地减少了计算量。     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。