基于混沌系统和分数阶傅里叶变换的图像加密算法

设计一种基于混沌系统和FRFT（Fractional Fourier Transform）的图像加密算法。图像加密过程分两个步骤：首先利用混沌系统生成的置乱矩阵对图像进行置乱加密,然后利用FRFT将置乱加密的图像进行双随机相位加密得到最终的加密图像。该方案的安全性依赖于混沌系统的参数敏感性、相位掩膜和FRFT阶的随机性。理论分析和仿真实验表明,该方案具有良好的图像加密效果。     

结合子采样和非负矩阵分解的稳健图像摘要

提出一种新颖的基于子采样和非负矩阵分解(NMF)的稳健图像摘要算法.算法首先将原始输入图像进行子采样得到一系列子图像,其次利用子采样图像的列相似性进行非负矩阵分解,最后由分解系数得到摘要序列.实验结果表明本算法对常见图像处理操作稳健,对恶意篡改敏感,同时用户密钥的使用保证了算法的安全性.     

基于小波变换的可见可逆数字水印算法

提出了一种可无损恢复的小波域可见数字水印算法.算法采用视觉对比模型和人类视觉系统特性计算水印拉伸系数,并由用户密钥生成随机模板确定水印信息的嵌入位置.实验结果表明本算法具有很好的可见性和鲁棒性.     

基于分数阶傅立叶变换的数字水印算法

设计了一种基于分数阶傅立叶变换的数字水印算法。首先将原始图像分块,然后对每块进行分数阶傅立叶变换,再将鲁棒水印和脆弱水印分别嵌入图像的分数阶傅立叶域。实验结果表明,本算法可以较好地满足水印的不可见性、安全性以及鲁棒性,此外还能够精确定位被篡改区域。     

容器云环境虚拟资源配置策略的优化

针对容器化云环境中数据中心能耗较高的问题,提出了一种基于最佳能耗优先（Power Full,PF）物理机选择算法的虚拟资源配置策略。首先,提出容器云虚拟资源的配置和迁移方案,发现物理机选择策略对数据中心能耗有重要影响;其次,通过研究主机利用率与容器利用率,主机利用率与虚拟机利用率,主机利用率与数据中心能耗之间的数学关系,建立容器云数据中心能耗的数学模型,定义出优化目标函数;最后,通过对物理机的能耗函数使用线性插值进行模拟,依据邻近事物相类似的特性,提出改进的最佳能耗优先物理机选择算法。仿真实验将此算法与先来先得（First Fit,FF）、最低利用率优先（Least Fit,LF）、最高利用率优先（Most Full,MF）进行比较,实验结果表明,在有规律不同物理机群的计算服务中,其能耗比FF、LF、MF分别平均降低45%、53%和49%;在有规律相同物理机群的计算服务中,其能耗比FF、LF、MF分别平均降低56%、46%和58%;在无规律不同物理机群的计算服务中,其能耗比FF、LF、MF分别平均降低32%、24%和12%。所提算法实现了对容器云虚拟资源的合理配置,且在数据中心节能方面具有优越性。     

面向人工免疫系统的变长检测器快速生成算法

为提高现有非选择算法在检测器生成时的效率问题,设计一种长度可变检测器的快速生成算法。该算法不仅可以消除"漏洞"区域,还可以通过优化减少冗余检测器,提高检测器生成效率和检测效率。实验结果表明,该算法比传统的非选择算法及r可变的非选择算法具有更好的性能。     

基于范重心抗局部非线性几何攻击水印算法

为了实现数字图像的版权保护,设计了一种基于范重心和提升小波变换的抗局部非线性几何攻击数字水印算法。算法首先将水印图像进行置乱加密预处理,其次对原始图像进行三级小波提升,分别提取低频图像和高频图像范重心,并根据子图范重心坐标生成特征向量,最后将特征向量与水印运算得到代表原始图像的版权信息。实验结果表明,该算法对图像遭受的局部非线性几何攻击具有较强的鲁棒性,同时密钥的使用保证了算法的安全性。     

基于谱图和约束NMF的滚动轴承特征频谱提取算法

为了克服传统时频分析中信号特征频谱提取技术中参数敏感问题,设计了一种基于谱图和约束NMF的特征频谱提取算法。该算法首先对振动信号进行归一化预处理和短时Fourier分析,获得代表原始非平稳信号特性的瞬时参数即谱图;然后对谱图进行约束NMF分解;最后由基矩阵获得原始振动信号的特征频谱。理论分析、仿真和工程试验验证了该算法的可行性和有效性。     

基于EWT和多尺度熵的轴承特征提取及分类

轴承的故障信息提取直接决定了诊断的正确与否,为了能准确地识别轴承状态,提出了一种基于经验小波变换和多尺度熵的轴承特征信息提取及分类方法。该方法通过提取信号频域相邻最大值间的极小值,对Fourier谱进行自适应划分,并构造合适的小波滤波器组提取不同的模态;再引入多尺度熵,对最优模态建立的粗粒向量进行状态分类。试验分析表明:与EEMD相比,该方法具有更优的自适应特征提取和故障分类特性。