基于动态间隔压缩的鲁棒网络流水印算法

针对基于间隔质心的流水印缺乏纠错能力且难以抵御多流攻击的问题,提出一种基于动态间隔压缩的鲁棒网络流水印算法。该算法在基于间隔质心流水印基础上利用编解码技术增强其纠错能力,将携带同一水印信息的网络流量采用动态间隔压缩的方式调制为多种模式以抵御多流攻击。同时在检测端对水印进行分层检测,减少检测端计算资源浪费。实验结果表明,当检测阈值设为0.8时,误报率低于5%,且水印检测率可高于原始间隔质心方法10%左右,合并多条水印数据流后也无明显静默间隔。可见该算法具有良好的鲁棒性和隐蔽性,能够有效提高网络流水印的可用性。     

简单蚁群算法的仿真分析

蚁群算法是一类模拟生物群体突现聚集行为的非经典算法。首先描述了一个简单蚂蚁系统及其简单蚁群算法，并对其进行了计算机程序模拟与动力系统仿真。结果表明，简单蚂蚁系统中存在规模聚集效应，当蚁群的规模超过某一临界值时，蚂蚁的行为开始向有序的方向收敛，并最终稳定在一种有序状态。     

基于实验的典型隐写通用盲检测方法性能分析

现有文献中存在多种数字图像信息隐写通用盲检测方法,其检测正确率和适用的范围各不相同.基于同一实验图像库,对现有的典型隐写通用盲检测方法的性能进行了一系列实验分析.涉及到的盲检测方法包括质心法、概率密度函数矩法、特征函数矩法、共生矩阵法、两域特征联合法、三域特征综合法和基于小波包分解的检测方法等.从实验的角度给出了小波包分解特征法性能最优、多域特征提取方法更适合与BP(Back Propagation)神经网络分类器搭配使用等结论.     

一类非线性激励器系统的鲁棒自适应跟踪

考虑一类具有非线性激励器不确定系统的鲁棒跟踪问题，其不确定性是部分已知的。所构造的鲁棒自适应控制方案能确保系统的跟踪误差终极一致有界．与已有文献结果相比．未知参数估计的自适应律和控制器是连续的，从而使得所提出的设计方案在实际控制问题中易实现。且与具有线性激励器的系统一样具有较强的鲁棒性．最后通过数值算例进一步说明了该设计方案是有效的。     

一类非线性组合大系统的分散鲁棒镇定

研究一类比较广泛的非线性组合大系统的分散鲁棒镇定问题。给出了检验这类非线性组合大系统可分散鲁棒镇定的条件,该判别条件只     

不确定相似组合系统的分散自适应输出反馈控制

本文讨论了不确定组合大系统的分散自适应输 出反馈控制问题,不确定项满足通常的匹配条件．针对不确定项界未知的情形,通过设计自 适应输出反馈控制器,使系统渐近稳定．仿真结果表明本文的设计方法是有效的．     

基于混沌的信息隐藏在TCP／IP协议族中的应用

文中选择以PWLCM(分段线性混沌映射)产生的伪随机数序列作为密钥流进行加密编码的方案，能有效克服现有的使用自同构矩阵的TCP／IP的信息隐藏方案因其短周期和单表替换而存在的安全隐患。在局域网环境实验中已成功地验证了本方案的有效性。     

一种新的数字化混沌扰动方案

在混沌系统中施加主动扰动是混沌从理论研究向实际应用转化的有效手段。本文提出了一种对数字化混沌系统进行扰动的可行方案,该方案选择性地扩散数字化混沌系统的部分变量,以达到对整个系统的扰动。扰动后系统可生成具有均匀的不变分布和良好密码学特性的伪随机序列。实验的数据表明该扰动方案有效地补偿了数字化混沌系统动力学特性的退化。     

一种基于影响力预测的节点排序模型

节点影响力排序一直是复杂网络研究的热点问题。Susceptible-Infected-Recovered(SIR)模型是一种较为理想的节点影响力排序方法，业内常将其用于评价其他的节点影响力排序方法，但该方法时间复杂度较高，难以实际应用。文中提出一个基于sir值学习的节点影响力排序模型，模型综合节点的局部和全局结构信息描述节点特征，利用机器学习方法构建sir值学习模型，以构建的同等规模网络的节点特征和sir值对模型进行训练，训练后的模型能够基于节点特征预测节点的sir值，进而实现节点影响力排序。文中基于该模型实现了一个具体的节点影响力排序方法，并在真实数据集上进行了实验，结果表明，基于该模型得到的影响力排序结果，其准确性和单调性相比度中心性、Kshell、Weighted Kshell degree neighborhood等基于结构特征的方法均有所提升。