一种多基元类的布局迁移自适应算法及在闸机设计中的应用

布局问题研究物体的布局先后或布局定位以满足设计要求,布局迁移设计是在已有布局基础上高效设计新布局的方法。在轨道交通自动控制系统中,闸机表面传感器的布局对人与物的识别有重要的影响。为了实现闸机在不同地域环境中的快速设计,首先以闸机布局中的传感器作为研究对象,进行基元划分,提出了多种基元类型;并分析了基于拓扑结构的基元迁移变换方法,研究了人群特征因素、机械结构约束的数学表达;然后提出基于包围圆搜索的基元运动与干涉分析算法,其参数能够根据求解精度进行自适应调整;并利用多目标归一化函数对各基元的解进行择优,以获取最终布局。最后以18对传感器的闸机布局设计为例进行实例分析,应用此方法并借助于Visual Basic可视化编译平台,实现了闸机在不同地域环境中的传感器布局快速设计。     

基于流形学习的正交稀疏保留投影

稀疏保留投影通过保留样本之间的全局稀疏重构关系来进行特征提取,获得了良好的分类效果。但是,稀疏保留投影得到的投影变换通常不是正交的,而且在实际应用中,正交性一直被认为有利于提高鉴别能力。另外,根据流形学习理论,局部流形结构比全局欧式结构更重要。因此,文中在稀疏保留投影中引入了流形结构保留和正交投影,提出了整体正交流形稀疏保留投影（HOMSPP）和迭代正交流形稀疏保留投影（IOMSPP）两种实现算法来实现人脸和掌纹图像的特征提取。     

基于流形学习的整体正交稀疏保留鉴别分析

稀疏保留投影是一种有效的特征提取方法,但是其主要关注样本间的全局稀疏重构关系,并且得到的投影变换通常不是正交的。在实际应用中,图像数据往往处于高维空间中的一种低维流形中,正交性一直被认为有利于提高鉴别能力。文中以有监督学习的方式在稀疏保留投影中引入了流形结构保留,并使得投影空间正交,从而提出了一种新的特征提取方法,即基于流形学习的整体正交稀疏保留鉴别分析（MLHOSDA）。在人脸和掌纹图像数据库的实验结果表明此方法具有较好的识别效果。     

注塑整圆内侧倒扣塑料件的分步抽芯法

针对具有整圆内侧倒扣特征的塑料件,设计了一种新型的注塑模具分步抽芯机构,并使用Pro/Mechanism软件对该机构进行了运动模拟仿真,证明该分步抽芯机构的设计是切实可行的。     

反射波等时圆在岩体节理反演中的应用

节理对岩体工程有重要的影响,采用应力波反演节理产状有重要的工程意义。从振源点发出的应力波经节理面反射后返回地面,利用解析几何理论,根据点、线、面的相互关系,经过严密推导,得出该反射波走时公式,该公式建立了节理真倾向、真倾角值与地面测点走时的直接关系,描述出的地面反射波等时圆概念清晰、明确。实测时,绕发射点环形布置测点,利用MATLAB平台上编写的程序,搜寻出等时圆圆心后,再结合任一测点走时即可反演节理产状。     

医疗大数据隐私保护多关键词范围搜索方案

随着医疗信息系统的急速发展,基于医疗云的信息系统将大量电子健康记录（EHRs）存储在医疗云系统中,利用医疗云强大的存储能力和计算能力对EHRs数据进行安全与统一的管理.尽管传统加密机制可以保证医疗数据在半诚实云服务器中的机密性,但对加密后的EHRs数据执行安全、快速、有效的范围搜索,仍是一个有待解决的关键问题.提出一种支持多关键词范围搜索的可搜索加密方案：利用向量积保持加密机制实现复杂查询结构的可搜索加密,可支持连接关键词查询、范围查询以及通配符的查询;通过随机化构建搜索索引和搜索陷门,实现搜索模式隐藏,达到搜索语句的隐私保护;采用矩阵哈达马积缩小所需密钥矩阵的维度.理论分析和实验结果表明：该方案在达到医疗数据隐私保证的同时,对用户的检索策略也进行了有效的隐私性保护,有效提高了检索效率,降低了创建索引及陷门所用时间,实现了多用户多文件下医疗数据的范围搜索能力.     

支持本地化差分隐私保护的k-modes聚类方法

如何在保护数据隐私的同时进行可用性的数据挖掘已成为热点问题。鉴于在很多实际应用场景中,很难找到一个真正可信的第三方对用户的敏感数据进行处理,文中首次提出了一种支持本地化差分隐私技术的聚类方案——LDPK-modes(Local Differential Privacy K-modes)。与传统的基于中心化差分隐私的聚类算法相比,其不再需要一个可信的第三方对数据进行收集和处理,而由用户担任数据隐私化的工作,极大地降低了第三方窃取用户隐私的可能性。用户使用满足本地d-隐私(带有距离度量的本地差分隐私技术)定义的随机响应机制对敏感数据进行扰动,第三方收集到用户扰动数据后,恢复其统计特征,生成合成数据集,并进行k-modes聚类。在聚类过程中,将数据集上频繁出现的特征分配给初始聚类中心点,进一步提高了聚类结果的可用性。理论分析和实验结果表明了LDPK-modes的隐私性和聚类可用性。     

面向用户的支持用户掉线的联邦学习数据隐私保护方法

联邦学习是解决多组织协同训练问题的一种有效手段,但是现有的联邦学习存在不支持用户掉线、模型API泄露敏感信息等问题。文章提出一种面向用户的支持用户掉线的联邦学习数据隐私保护方法,可以在用户掉线和保护的模型参数下训练出一个差分隐私扰动模型。该方法利用联邦学习框架设计了基于深度学习的数据隐私保护模型,主要包含两个执行协议:服务器和用户执行协议。用户在本地训练一个深度模型,在本地模型参数上添加差分隐私扰动,在聚合的参数上添加掉线用户的噪声和,使得联邦学习过程满足(ε,δ)-差分隐私。实验表明,当用户数为50、ε=1时,可以在模型隐私性与可用性之间达到平衡。     

加密域图像处理综述

随着人们越来越关心隐私安全问题,关于加密域信号处理的研究得到了广泛关注,而往往包含大量个人隐私的图像也有必要以隐私保护的方式进行处理.回顾了近年来加密域图像处理中的各种领域,包括基本的图像处理技术,如加密域的线性变换、线性滤波和特征提取,以及进一步的图像处理应用,如安全图像隐写、安全图像检索和加密图像压缩,并且总结了这些方向的研究趋势和前景.     

圆钢管再生混凝土柱轴压试验研究

通过8根圆钢管再生混凝土柱进行轴压试验,研究构件长细比、钢管壁厚以及添加废弃混凝土块体等因素对试件轴压性能的影响,获得试件承载力、轴向变形、轴向和环向应变等参数。试验表明,钢管再生混凝土试件主要为弹塑性失稳破坏;构件长细比对试件的承载力有一定影响,轴向承载力随着试件的长细比的增大而减小;钢管壁厚对试件的承载力影响较大,钢管壁厚越大,其极限承载力就越大;添加混凝土块体对轴压承载力影响不大。