云制造环境下基于多属性模糊信任评估的访问控制方案

为提高云制造系统下信任评估的计算效率和实用性,在分析云制造系统的特点以及现有基于信任的访问控制模型优缺点的基础上,将动态层次模糊系统和信任评估相结合,提出一个适用于云制造环境的基于多属性模糊信任评估的访问控制方案,并给出了具体的方案流程。该方案将云制造环境中与信任相关的属性进行分层,引入第三方专家组的信任评估,将主观信任和客观信任融入信任评估过程。为了适应多模糊属性输入的特殊应用背景,通过引入动态层次模糊系统,有效避免了单一模糊系统的维数灾难问题以及传统层次模糊系统对专家配置规则的依赖问题,大大降低了系统的计算量和复杂度。实验表明,该方案实现了云制造环境下动态、细粒度、高效的访问控制。     

基于EEMD奇异熵的高速道岔裂纹伤损检测

针对高速道岔裂纹伤损特征提取及状态监测问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异熵和最小二乘支持向量机(least square support vector machine,简称LSSVM)的高速道岔裂纹伤损检测方法。首先,通过EEMD方法将非平稳的道岔振动信号自适应地分解为有限个基本模态分量(intrinsic mode function,简称IMF),每个IMF包含了原信号不同的特征尺度;然后,利用相关性分析筛选出与原始信号相关性最大的若干个IMF,计算所筛选IMF分量的奇异熵构成特征向量;最后,将多测点数据融合后的奇异熵特征向量输入LSSVM进行训练与测试,从而判断道岔的工作状态和伤损类型。模拟道岔裂纹伤损实验平台的振动信号分析及实验结果表明,在信噪比高于20dB时,该方法受噪声影响小,算法稳定性好,能有效地用于道岔裂纹伤损检测。     

带螺旋支撑杆同轴磁绝缘传输线的粒子模拟研究

介绍了同轴磁绝缘传输线（MITL）的工作特性,对传输线极间电子分布、电子损失与磁绝缘的关系进行了阐述;分析了同轴磁绝缘传输线极间电子对传输线阻抗的影响,采用理论分析与粒子模拟相结合的方法,实现同轴MITL与负载轴对称平板二极管的阻抗匹配。运用MPI并行算法分别对带螺旋支撑杆的MITL进行数值模拟,并对模拟结果进行了分析,得出了所添加的螺旋金属支撑杆对同轴传输器件的影响。电压的最大损失率为2％,阳极电流的最大损失率达到了4．4％,阴极电流的损失率为8．9％,电磁场以及粒子实空间都有相应的变化。     

黑莓果实色素纯化及干燥工艺研究

通过对树脂种类、吸附时间、洗脱液浓度及干燥方法的研究,确定黑莓色素纯化的条件为LS-300B 型大孔树脂,上样液pH3.00,吸附平衡时间5h,解吸附乙醇浓度70%,冷冻干燥。在此条件下,黑莓色素的得率为0.58%,花色苷回收率为79.47%,色价为45.21,总花色苷含量为12954.987mg/100g。     

基于混沌动态参数的散列函数

结合混沌系统与传统单向散列函数的优点,提出了一种基于混沌动态参数的带密钥单向散列函数构造方案.该方案以混沌系统生成动态参数,替换传统散列算法中的固定参数参与轮函数的运算并生成散列摘要.与现有混沌散列算法相比,新方案没有将消息分组直接参与混沌迭代,而采用传统散列算法作为散列迭代的核心,充分吸取了传统散列函数迭代结构完善且处理速度高的优点,在利用混沌动态参数提高散列算法安全性的同时有效地避免了混沌系统对算法速度的影响.研究结果表明:新方案具有很好的单向性、初值/密钥敏感性和较大的密钥空间,且速度快,易于实现.     

黑莓品种‘Chester’鲜果贮藏性能的研究

选用黑莓品种“Chester”不同成熟度的果实,在常温和低温条件下进行贮藏实验,研究黑莓鲜果的贮藏性能。结果显示：不同成熟度和贮藏温度对黑莓果实贮藏期长短的影响十分显著,表现为成熟度越低、温度越低(大于0℃),贮藏期越长。黑莓完熟果极易腐烂,贮藏期短,常温储藏仅为2～3d,在贮藏过程中,果实的品质下降快,不适宜作鲜果销售;黑莓初熟果极耐贮藏,低温储藏期为15～18d,但果实小、品质低下,也不适宜作鲜果销售;黑莓适熟果在低温贮藏条件下,贮藏期较长,为8～11d,且贮藏期间经后熟作用,品质指标基本上能达到完熟果水平,适宜作鲜果销售。     

黑莓品种“Chester”鲜果贮藏性能的研究

选用黑莓品种Chester不同成熟度的果实,在常温和低温条件下进行贮藏实验,研究黑莓鲜果的贮藏性能。结果显示:不同成熟度和贮藏温度对黑莓果实贮藏期长短的影响十分显著,表现为成熟度越低、温度越低(大于0℃),贮藏期越长。黑莓完熟果极易腐烂,贮藏期短,常温储藏仅为2～3d,在贮藏过程中,果实的品质下降快,不适宜作鲜果销售;黑莓初熟果极耐贮藏,低温储藏期为15～18d,但果实小、品质低下,也不适宜作鲜果销售;黑莓适熟果在低温贮藏条件下,贮藏期较长,为8～11d,且贮藏期间经后熟作用,品质指标基本上能达到完熟果水平,适宜作鲜果销售。     

短文本分类的ResLCNN模型

短文本分类是互联网文本数据处理中的关键任务之一.长短时记忆网络LSTM（long short-term memory）和卷积神经网络CNN（convolutional neural network）是广泛应用于短文本分类任务的两种深度学习模型.在计算机视觉和语音识别领域的深度学习研究表明,深层次的神经网络模型具有较好的表达数据特征的能力.受此启发,面向文本深度学习分类问题,提出基于3层LSTM和CNN网络结构的ResLCNN（residual-LSTM-CNN）深度学习模型.该模型有效结合LSTM获取文本序列数据的长距离依赖特征和CNN通过卷积操作获取句子局部特征的优势,同时借鉴残差模型理论,在第1层LSTM层与CNN层之间加入恒等映射,构建残差层,缓解深层模型梯度消失问题.为了探究深层短文本分类中ResLCNN模型的文本分类能力,在多种数据集上将其与LSTM、CNN及其组合模型进行对比实验.结果表明,相比于单层LSTM与CNN组合模型,ResLCNN深层模型在MR、SST-2和SST-5数据集上分别提高了1.0%、0.5%、0.47%的准确率,取得了更好的分类效果.     

可同时求解最大最小值的安全保密计算协议

安全多方计算因其具有去中心化、输入隐私性、公平性等特点,对于研究数据隐私保护问题具有重要的价值,能够保护各个参与者的秘密信息。而安全多方计算中一个最基本的问题就是保密计算多个数据的最值,目前该问题只能通过多次调用子协议来分别求出最大值和最小值或者将该问题转化为排序问题来解决,但这种做法会大大增加计算复杂度甚至会泄露最大值和最小值之外的其他隐私信息。本文针对现有的安全多方计算协议存在的不能一次性保密计算最大值和最小值、效率低下、保密计算结果由唯一的指定解密密钥持有者获取等问题,提出一种新的隐私数据编码方法,在此基础上结合 ElGamal 同态加密算法以及最大门限解密构造了一种无需可信第三方的可同时求解最大值、最小值的安全高效保密计算协议,该协议能够根本抵抗合谋攻击。在此基础上,基于理想-现实模拟范例证明所提方案在半诚实模型下的安全性,最后选取同类方案进行效率分析和性能对比,理论分析和仿真验证表明所提协议在满足更高安全性的前提下,计算复杂度和通信复杂度也较已有方案具有一定的优势。     

一种基于格理论的数字签名方案

本文介绍了一种建立在解决NTRU格（NTRU Lattice）中近似最近向量问题（Appr-CVP）基础上的数字签名方案.与现有的基于解决Appr-CVP问题的数字签名方案相比,这种新的数字签名方案通过构造完整的短格基进行签名,在签名与近似最近向量问题之间建立了直接而清晰的关系,因此不需引入任何附加结构,具有更高的安全性.同时,该签名方案引入了适当的扰动,有效地限制了攻击者通过分析大量签名副本所获取的有用信息,具有副本分析免疫性.实验结果表明：该方案不仅安全可靠,而且易于实现.