基于敏感度的个性化(α,l)-匿名方法

目前多数隐私保护匿名模型不能满足面向敏感属性值的个性化保护需求,也未考虑敏感属性值的分布情况,易受相似性攻击.为此,提出基于敏感度的个性化(α,l)-匿名模型,通过为敏感属性值设置敏感度,并定义等敏感度组的概念,对等价类中各等敏感度组设置不同的出现频率,满足匿名隐私保护的个性化需求.通过限制等价类中同一敏感度的敏感属性值出现的总频率,控制敏感属性值的分布,防止相似性攻击.提出一种基于聚类的个性化(α,l)-匿名算法,实现匿名化处理.实验结果表明,该算法能以与其他l-多样性匿名模型近似的信息损失量和时间代价,提供更好的隐私保护.     

随钻测量用微小型惯性测量单元设计

为满足随钻测量仪器在小口径油井、高频振动、强冲击等环境中的应用需求,使用光纤陀螺与石英挠性加速度计作为传感器组件,设计加速度计信号采样电路,小型化导航计算模块采用SOPC＋SDRAM＋FLASH,完成传感器信号采集、误差补偿、导航解算以及与上位机通信等功能。惯性测量单元（ IMU）集成了电源模块、传感器组件和导航计算机,最终制作成38 mm的随钻测量仪器。实验结果表明：当井斜角不小于5°时,样机能够达到系统姿态解算精度要求（井斜角误差小于±0.2°,方位角误差小于±2°,工具面角误差小于±0.2°）。     

RGB-D Hand-Held Ob ject Recognition Based on Heterogeneous Feature Fusion

Ob ject recognition has many applications in human-machine interaction and multimedia retrieval. However, due to large intra-class variability and inter-class similarity, accurate recognition relying o...     

FHE-CF:基于密文展缩的全同态密码体制设计

为了解决云环境下密文处理的问题,构造了一个基于LWE问题的全同态加密体制FHE-CF。该体制没有采用传统的基于LWE问题的全同态密码体制设计中的重线性化技术,而是利用一种新的密文展缩技术来实现噪声的有效控制。在不引入新的未经论证的安全假设的前提下,可以获得KDM安全的自举加密体制,其安全性有了突破性提高。由于其KDM安全性,可以构造循环的密钥链,实现从分层全同态到全同态的过渡。还证明了所构造的全同态密码体制是RO模型下IND-CPA安全的。除了安全性上的优势外,该密码体制效率与当前最好的全同态密码体制相当。     

基于张量分解的个性化标签推荐算法

基于互联网的社会标签推荐系统为广大用户提供了一个信息共享平台,让用户以"标签"的形式为其浏览的物品标注信息。标签既描述了物品语义,又反映了用户偏好。标签系统的最大优势在于可以发挥群体的智能,获得用户对物品比较准确的关键词描述,而准确的标签信息是提升个性化推荐系统性能的重要资源。然而,现存的标签推荐系统面临的问题是:由于兴趣的不同,不同的用户对于同一物品可能会打不同的标签,或者是同一标签对于不同用户可能会蕴含不同的语义。因此如何有效获取用户、物品、标签3者之间潜在的语义关联成为标签推荐系统需要解决的主要问题。为此引入三维张量模型,利用三维张量的3个维度来分别描述社会标签推荐系统中3种类型的实体:用户、物品、标签。在基于历史标签数据(标签元数据)构建初始张量的基础上,应用高阶奇异值分解(HOSVD)方法降低张量维度,同时实现3种类型实体之间潜在的语义关联分析,从而进一步提高标签推荐系统的准确性。实验结果表明,该方法较当前两种典型的标签推荐算法(FolkRank和PR)在准确率和召回率性能指标上有明显提升。     

块关联匹配与低秩矩阵超分辨融合的图像修复

针对块匹配图像修复算法容易出现结构不连贯与块效应问题,提出一种两阶段图像修复方法.该方法通过增加相邻修复块在重叠区域的关联性约束,利用图像块关联匹配修复算法实现对降采样受损图像的粗修复,以保证图像主体结构的完整性;依据不同分辨率图像中像素点与其8邻域的线性相关性,引入带噪低秩矩阵填充算法对图像细节进行超分辨率精修复,使修复后图像的纹理与色彩变化具有连续性.实验结果表明,文中方法对包含渐变特征的自然图像修复具有更好的视觉效果.     

基于灰色神经网络的汽车动态称重数据处理

针对目前汽车动态称重方法称量精度低和所需数据样本数量大的缺陷,提出了一种新的动态称重数据处理方法,通过GM（1,1）模型对车辆动态称重数据进行预处理,获得每个称重数据的误差补偿量,建立了以车辆速度、加速度、动态称重残差序列为输入变量的灰色神经网络模型,使系统称量误差小于1%,称量准确度等级达到1级指标。研究表明,该方法在动态汽车衡数据处理中的可行性强,实现了在贫信息、少数据情况下对动态称重数据的高精度处理,为汽车动态称重系统精度的进一步提高提供了理论与技术支撑。     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。     

Photoshop中两种图像变小方法对比分析

由于存储介质、传输速度等因素的限制,通常需要将大的图像文件变小。Photoshop中主要有两种图像变小的方法:一种是在存储文件时选择更低品质的JPEG压缩格式;一种是在重定图像像素的情况下降低图像的分辨率。多数PS用户不清楚这两种方法的区别与联系,以及针对实际应用如何进行选择。国内外也缺少对此方面的研究。本文从原理、对图像的影响等方面对这两种图像变小方法进行了对比分析,并引用了三个现实中的实例,有针对性地论述了如何选用两种图像变小方法,对PS用户有现实的指导意义。