改进的量子图像水印算法

量子图像水印算法是量子图像处理的典型问题,目前国内外文献还相对较少,且大多针对单色图像。本文分析了一种典型的基于量子傅里叶变换的量子图像水印算法存在的不足,然后提出了改进措施。具体包括三个方面,首先,提出一种改进的量子图像描述方法,将单色图像推广到彩色图像;第二,将水印图像的幅度提高到与载体图像相同;第三,给出了水印嵌入和抽取的量子策略。经典计算机上的仿真结果验证了提出方法的有效性及可行性。      

彩色图像的量子置乱算法

量子图像置乱是量子图像处理的典型问题,目前国内外文献绝大多数都是针对像素位置实施置乱,这种置乱方法通过改变像素的空间位置,可使图像不再包含任何可视化信息,然而并未改变像素灰度值的统计特性,从而降低了置乱方案的安全性。针对该问题,首先基于改进的FRQI描述,提出了一种针对像素位置的置乱方法,然后基于改进的NEQR描述,提出了一种针对像素颜色的置乱方法。这些方法或者显著加强了位置置乱效果,或者显著改变了像素灰度值的统计特性。经典计算机上的仿真结果验证了提出方法的有效性。      

基于改进QPSO和RBF神经网络的文本分类方法

为提高文本分类的准确性,本文提出了一种基于量子PSO和RBF神经网络的新的文本分类方法.首先建立描述样本类别的关键词集合,并采用模糊向量空间模型建立每类样本的特征向量,然后采用RBF神经网络实施文本自动分类,采用改进的量子PSO优化RBF神经网络的参数,以提高其逼近能力.选取中国期刊网的部分文献作为实验数据,实验结果说明本文所提出方法的分类精准度与其他同类方法相比有明显的提高.     

一种量子衍生神经网络模型

为提高神经网络的逼近能力,通过在普通BP网络中引入量子旋转门,提出了一种新颖的量子衍生神经网络模型. 该模型隐层由量子神经元组成,每个量子神经元携带一组量子旋转门,用于更新隐层的量子权值,输入层和输出层均为普通神经元. 基于误差反传播算法设计了该模型的学习算法. 模式识别和函数逼近的实验结果验证了提出模型及算法的有效性.