基于对称平衡不完全区组设计的持续安全管理密钥预分配方案

针对持续安全管理密钥预分配方案中网络连通度较低的问题,设计实现了一种新的基于对称平衡不完全区组设计（SBIBD）的持续安全管理密钥预分配方案。该方案每一个网络节点的密钥环对应于SBIBD中的一个区组,保证了在同一个部署阶段任意两个节点存在共享密钥,不同部署阶段的节点通过桥节点进行连接。仿真结果表明,该方案能提高网络的全局连通率和局部连通率,节省了节点之间建立安全通信的开销。     

基于对称平衡不完全区组设计的无线传感器网络密钥预分配方案

针对无线传感器网络的密钥预分配问题,利用哈达玛矩阵,设计实现了新的基于组合设计方法的密钥预分配方案--基于对称平衡不完全区组设计的密钥预分配方案sBIBDHadamard KPS系列方案.首先,sBIBDHadamard KPS改进了现有多数方案只能共享单个密钥的问题,并实现了同等节点密钥组长度和共享密钥强度下,比现有支持多密钥共享的随机预分配方案更高的共享概率和更小的密钥路径长度,并且只要求大于2的节点邻居度数;其次,sBIBDHadamard KPS提出了一种实时合成共享密钥的方法,在节点密钥组物理长度不变的前提下,大大扩大了共享密钥选择空间,提高了安全强度;最后,sBIBDHadamard KPS使用补集设计和密钥分片两种方法进行扩展设计,实现了对较大网络规模的支持,并且在一定程度上优化了能量消耗.     

均衡不完全区组设计的满秩LDPC码构造及快速编码

为了降低准循环低密度奇偶校验（Low-Density Parity-Check,LDPC）码编码的复杂度,提出了一种基于均衡不完全区组设计（Balanced Incomplete Block Designs,BIBD）满秩LDPC码的构造及快速编码方法。基于BIBD构造的满秩校验矩阵可以快速得到系统循环阵形式的生成矩阵。此方案设计不但可以实现线性化编码,而且编出的码字都为系统码。仿真结果表明,构造出的LDPC码具有很好的误码率性能和收敛特性,而其满秩的编码方法具有较好的通用性和实用价值。     

运用EXCEL函数进行区组试验设计

区组设计是科学研究和加工工艺中经常用到的试验设计方法,本文通过对区组设计中的配对设计和完全区组设计实质的分析,提出了运用EXCEL进行配对设计和完全区组设计的方法。结果认为灵活利用Excel的随机函数如RAND、RANDOMBE-TWEEN等和排序按钮可以快速进行区组试验设计。     

考虑不平衡指数的不平衡数据集分类设计方法

数据集类别不平衡问题是分类领域的重要问题之一,每个数据集的不平衡指数都与其自身有着紧密的联系,是数据集的重要标志。面对不平衡数据集分类设计问题,提出了一种改进AdaBoost算法（enhanced AdaBoost,E-AdaBoost）。该算法将不平衡指数和不平衡数据集中较为重要的少数类分类正确率考虑到算法的迭代过程中,改进了基分类器的权重更新策略,进而提高对不平衡数据集的分类性能。基于E-AdaBoost的不平衡数据集分类设计方法可以根据样本的不平衡指数,确定基分类器的权重参数,进而提高分类器性能。利用该方法,结合多个经典分类器,在人工数据集和标准数据集上进行实验分析,并对比相关方法,结果表明,基于E-AdaBoost的不平衡数据集分类设计方法能够有效提高不平衡数据集的分类性能。     

语义增强的完全不平衡标签网络表示学习算法

在网络表示学习的研究中,数据的不完整性问题是一个重要问题,该问题使现有的表示学习算法难以达到预期效果。近年来,不少学者针对此类问题提出了解决方法,这些方法大多仅考虑标签信息本身的缺失问题,对数据不平衡性涉及较少,尤其是某一类别标签完全缺失的完全不平衡问题。解决这类问题的学习算法并不完善,主要存在的问题是在聚合邻域特征时侧重于考虑网络结构信息,未利用属性特征与语义特征间的关系来增强表示结果。为了解决以上问题,提出了融合属性特征与结构特征的SECT(Semantic Information Enhanced Network Embedding with Completely Imbalanced Labels)方法。首先,在考虑属性空间和语义空间关系的基础上,引入注意力机制进行监督学习,得到语义信息向量;然后,应用变分自编码器无监督提取结构特征以增强算法的鲁棒性;最后,在嵌入空间中融合语义与结构两种信息。将使用SECT算法得到的网络向量表示在Cora, Citeseer等数据集上进行测试,应用于节点分类任务时与RECT和GCN等算法相比,取得了0.86%～1.97%的效果提升。网络向量表示...     

用于不对称补偿的STATCOM的解耦控制策略

大容量冲击性负荷对电网造成电能质量危害,使电网电压和电流产生谐波和不对称,危及用户安全,电网中的负序电压还会使常规STATVOM产生过流.论文提出了一种适用于对称或非对称补偿时STATCOM的解耦控制策略,给出了一种对变流链中各直流电容电压实施平衡控制的方法,并通过STATCOM的批量工程应用验证了所提出的控制策略的有效性和实用性.     

基于网侧功率平衡的电网不对称时三相VSR控制方法研究

对三相VSR在电网电压不对称条件下进行建模分析.在网侧功率平衡的基础上,基于正、负旋转坐标系下双电流环控制策略对直流侧电压进行了研究.仿真结果表明,这种控制策略可有效抑制因电网电压不对称所导致的三相VSR直流侧电压二次谐波.     

不对称信息下的协商机制设计

探讨交易双方存在不对称信息结构下协商机制的设计问题，给出了具有激励相容性，事后理性协商机制的完全刻画，在此基础上探讨了其效率问题，分别给出了上述机制的具有事前有效性和事后有效性的完全刻画，最后应用协商双方价值具有线性相关性的实例予以说明。     

目标驱动离散布谷鸟搜索算法的不完全拆卸线平衡多目标优化

针对拆卸需求零件和危害零件的不完全拆卸线平衡问题,构建了优化拆卸序列长度、工作站数目、空闲时间均衡指标和拆卸成本的多目标不完全拆卸线平衡模型;为适应问题的离散性、多目标、多约束特性,提出了一种基于Pareto解集的目标驱动离散布谷鸟搜索算法.该算法首先建立模型与鸟窝位置、鸟蛋属性的映射关系,以此制定莱维飞行操作、巢寄生操作的离散化规则;然后通过以目标为导向的驱动操作实现单目标深度优化与多目标协同优化;为获得分布性良好的拆卸方案,采用拥挤距离机制筛选外部档案中的非劣解.对不同规模的3个实例与19个基准算例进行实验,验证了该算法的有效性和优越性;以某打印机的不完全拆卸为例,采用文中模型和算法进行不完全拆卸线平衡多目标优化,为决策者提供了侧重点不同的9种拆卸方案.     

麦霸进阶不完全手册

资深音乐总监曾觊觎华仔的麦克风而偷窃未遂,Sarah Brightman的麦克风每次都要享受头等舱的待遇,小S因误把口红沾到蔡琴御用麦克风上而连连求饶……几乎每个热爱用声音表达自我的人都拜倒在麦克风的“淫威”之下,而对于它的魔力你又了解多少？本期的“麦霸”手册教你成为合格的“麦霸”达人。     

不完全柔性制造系统的最优控制

考虑具有随机需求的不完全柔性制造系统的最优控制,系统在各种产品间的切换时间是不可忽略的。运用马尔可夫最优决策过程归纳方法,导出机器服务率的最优控制策略。通过分析最优值函数的性质,证明最优策略具有简单的阈值结构,从而可得到次优生产策略--阈值控制策略。     

基于区组设计无线Mesh网拓扑构造研究

拓扑构造是无线Mesh网络进行规划时需确定的重要基础性问题之一,采用区组设计的方法对此进行了研究.采用基于DBBD(k(k 1)/2,k 1,2,k,1)和有限域的BIBD(p2,p(p 1),p 1,p,1)方式构造相应的拓扑,给出具体的构造方法与步骤.通过具体实例发现,采用区组设计构造的拓扑能有效地减少连接权数目,使各节点保持联系紧密程度的均衡对称性,任意两个节点均能以较少信息交换步数传递报文.     

不对称的大屏诱惑 明基G2410HD LCD试用报告

你是否厌倦了LCD对称设计的一成不变？是否想用更少的钱享受大屏、全高清画面带来的视觉冲击？让我们一起来看看这款LCD是否能满足你以上的要求。     

论电子商务信息不对称

随着社会的日益发展,尤其是科技的迅猛发展,使得我国各项事业得到了前所未有的突破,不仅提高了工作效率,而且也降低了劳动强度,美化了工作环境。计算机在科学技术领域和人们家庭生活中的的广泛应用,已经让其成为了人们生活中必不可少的一部分。随着电子信息技术和网络的迅速发展,使得电子商务以其交易的便捷性与开放性,在经济中逐渐发挥着愈来愈重要的作用。但是,电子商务领域中的信息不对称所引发的逆向选择和道德风险,也使电子商务的弊端越来越多的暴露了出来。电子商务作为一种新型的市场交易手段,必须解决信息不对称所带来的弊端,才能够真正在市场经济发展中起到有效地促进和推动作用。     

密码体制及其应用中的对称与不对称

本文从自然科学哲学的角度揭示并分析密码体制及其应用中的对称与不对称。指出了密码体制中的对称性,以及对称的破缺现象;讨论了密码技术应用和密码体制本身当中体现的对称和非对称的嵌套性与统一性;总结了这些自然科学哲学原理对往后的网络信息安全领域研究中可能起的指导作用。     

基于完全二维对称主成分分析的人脸识别

镜像对称性是人脸的一个直观明显的自然特性,结合该特性在完全二维主成分分析的基础上提出完全二维对称主成分分析的人脸识别方法。该方法通过镜像变换得到奇对称样本和偶对称样本,分别对奇偶对称样本进行完全二维主成分分析,通过奇偶加权因子对奇偶对称样本的特征矩阵进行组合,并采用最近邻距离分类器分类。在ORL人脸数据库上的实验表明,该方法有较好的识别效果。     

应用于不平衡多分类问题的损失平衡函数

传统分类算法一般要求数据集类别分布平衡,然而在实际情况中往往面临的是不平衡的类别分布。目前存在的数据层面和模型层面算法试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题。针对此问题,提出了一种在小批量内样本损失自适应均衡化的方法。该算法采用了一种动态学习损失函数的方式,根据小批量内样本标签信息调整各样本损失权重,从而实现在小批量内各类别样本总损失的平衡性。通过在caltech101和ILSVRC2014数据集上的实验表明,该算法能够有效地减少计算成本并提高分类精度,且一定程度上避免了过采样方法所带来的模型过拟合风险。