花椒总黄酮提取技术研究及黄酮成分分析

通过正交试验对花椒黄酮的提取工艺进行优化。结果表明,乙醇浸提法提取花椒中总黄酮的最佳工艺条件为乙醇浓度60%、提取温度70℃、料液比1∶40(g/mL),提取时间为1h。通过二极管阵列高效液相色谱法(HPLC-DAD)对花椒60%乙醇提取的粗黄酮进行分析,辅以薄层色谱手段,由HPLC和TLC图谱可以推测,此花椒黄酮粗提物中至少含有5种黄酮单体成分。     

基于XGBoost联合模型的光伏发电功率预测

提出一种考虑时间序列和多特征的光伏发电功率XGBoost联合预测模型.首先,基于偏最小二乘(PLS)提取影响光伏发电功率的多特征;然后,基于XGBoost算法分别建立发电功率的时间序列预测单模型和多特征预测单模型;最后,通过训练线性模型构建了光伏发电功率联合预测模型.使用某地区光伏电厂运行数据验证,结果证明,所提XGB...     

隐写术中矩阵编码的保密安全性

针对矩阵编码在隐写码和湿纸码中的应用,基于信息论模型研究矩阵编码在不同攻击条件下的保密安全性。在已知载体攻击条件下,给出矩阵编码的密钥疑义度、消息疑义度和密钥的唯一解距。在选择载密攻击条件下,指出只需n个差分方程组即可恢复矩阵编码的共享密钥。     

基于比特控制的快速矩阵嵌入

为了保证安全和信息传输率,隐写术期望能利用对载体的每个修改嵌入尽可能多的信息,也即提高嵌入效率。矩阵嵌入是最主要的提高嵌入效率的编码方法。Fridrich提出的基于随机线性码的矩阵嵌入方法能达到高的嵌入效率,但是计算复杂度较高。该文利用择多校验法对矩阵嵌入进行改进,首先使用控制比特对载体分组进行异或构造新载体,然后在新载体上执行矩阵嵌入,通过考察控制比特的状态可以快速生成修改量尽可能小的模式。分析和实验表明,该方法可以在嵌入效率和嵌入速度之间灵活的进行折中。与Fridrich的原始方法相比,新方法在保持嵌入效率基本不变的情况下,其计算复杂度随着控制比特数的增加以指数速度降低。与已有的快速矩阵嵌入方法比,新方法能以更快的嵌入速度达到更高的嵌入效率。     

新疆野葱挥发油中化学成分的测定

采用水蒸气蒸馏法提取新疆野葱中的挥发油,得率为0.31%;应用毛细管柱气相色谱-质谱(GC-MS)技术定性鉴别了挥发油中的27种化学成分,其中含硫化合物有16种,约占总量的75.27%,二硫化合物和三硫化合物各有4种,含量较高的依次为C6H12S3(21.095%),C6H12S3(19.2642)等.研究为新疆野葱资源的开发利用提供了理论依据.     

白芨多糖胶涂膜保鲜樱桃番茄的研究

采用白芨多糖胶作为涂膜保鲜剂试材,在常温(均温20℃)条件下分别以0．6%、1%、2%浓度对樱桃番茄进行涂膜保鲜处理,以常温和冷藏(0～4℃)对照组作对比。测定了在贮藏过程中(0～12d)樱桃番茄的感官指标、总酸度、总糖、可溶性蛋白、SOD、VC含量的变化以及其呼吸强度、硬度、失重率等理化性能指标。实验表明,白芨多糖胶膜能抑制樱桃番茄体内营养物质的消耗,降低失水率,抑制其呼吸强度,延缓果实的衰老过程。     

基于深度学习的图像隐写分析综述

隐写术及隐写分析是信息安全领域研究热点之一.隐写术的滥用造成许多安全隐患,如非法分子利用隐写进行隐蔽通信完成恐怖袭击.传统隐写分析方法的设计需要大量先验知识,而基于深度学习的隐写分析方法利用网络强大的表征学习能力自主提取图像异常特征,大大减少了人为参与,取得了较好的研究效果.为了促进基于深度学习的隐写分析方法研究,对目...     

基于合成语音的计算安全隐写方法

计算安全的隐写理论很早就被提出,但一直不能用于主流的以多媒体数据为载体的隐写术。原因在于计算安全隐写的前提是可以获得载体的精确分布或可以按照载体分布精确采样,而自然采集的图像、音/视频无法满足这个前提条件。近几年,随着深度学习的发展,多媒体生成技术逐渐成熟且在互联网上的应用越来越普遍,生成媒体成为合理的隐写载体,隐写者可以用正常的生成媒体掩盖秘密通信,即在媒体生成过程中隐写信息,并与正常的生成媒体不可区分。一些生成模型学到的分布是可知或可控的,这将为计算安全隐写推向实用提供契机。以当前广泛应用的合成语音模型为例,设计并实现了计算安全的对称密钥隐写算法,即在音频生成过程中,根据样本点的条件概率,按算术编码的译码过程将消息解压缩到合成音频中,消息接收方拥有相同的生成模型,通过复现音频合成过程完成消息提取。在该算法的基础上进一步设计了公钥隐写算法,为实现包括隐蔽密钥交换在内的全流程隐蔽通信提供了算法支撑,在保证隐写内容安全的同时,还可以实现隐写行为安全。理论分析显示,所提隐写算法的安全性由嵌入消息的随机性决定,隐写分析实验进一步验证了当前技术下攻击者无法区分合成的载体音频与载密音频。     

多媒体隐写研究进展

大数据分析可以跳过数据内容而仅从数据背景挖掘情报,传统的加密通信已经难以满足安全通信的需求。隐写技术是将秘密消息嵌入各种载体(如数字图像、音频、视频或文本)中实现隐蔽通信的技术,是应对大数据情报获取的有效手段,是密码技术的必要补充。人工智能,尤其是深度学习,在计算机视觉、语音和自然语言处理等领域的巨大成功,给隐写术带来了新机遇,提出了新挑战,促使基于图像、音/视频和文本的隐写术出现了一系列新思想、新方法。本文介绍隐写术的概念、分类、主要作用和研究意义,概述隐写术的发展历史、研究近况和应用场景。注意到各类载体上的隐写术虽然有差别,但是其核心追求有共通之处,可以提炼成通用的隐写编码问题。所以本文首先介绍隐写编码的基本思想与关键技术,然后针对最重要和流行的载体、图像、视频、音频和文本,分别介绍隐写术的进展。总体而言,本文从隐写编码、图像隐写、视频隐写、音频隐写和文本隐写5个方面概述隐写术的国际/国内发展现状,总结差异,对比优势和劣势,并分析发展趋势。     

基于神经网络的非线性船舶航向自适应逆控制

考虑船舶航向控制模型中存在的非线性,本研究在模型参数未知的情况下,基于神经网络非线性滤波器,构建了非线性船舶航向的在线自适应逆控制系统.通过对"The R.O.V Zeefakkel"散装船的仿真研究,证明了该自适应算法的有效性,系统在显著改善动态响应性能的同时,具有良好的鲁棒性和扰动消除能力.