排序方式: 共有14条查询结果,搜索用时 0 毫秒
1.
2.
3.
针对已有的共事认证加密方案不能有效抵制成员欺骗,不能动态调整验证成员的门限值,以及增加或删除验证者时,系统需重新给所有验证者分配新的密钥等安全缺陷,提出了一种基于动态秘密共享和认证加密算法的具有动态调整验证者门限值的共享认证加密方案.该方案可高效检测验证者的欺诈行为;用户自己选择秘密份额,系统中心不需向用户传送任何秘密... 相似文献
4.
传统人工神经网络模型中,同一隐层各神经元的激励函数是相同的,这与人类神经元的实际情况不一致。为此,构造一种隐层各神经元激励函数互不相同的前向神经网络模型,采用一簇Chebyshev正交多项式序列作为其隐层各神经元的激励函数(简称Chebyshev前向神经网络),并为Chebyshev前向神经网络推导基于梯度下降法的网络参数训练算法。仿真实验表明,基于梯度下降法的Chebyshev前向神经网络算法能够有效调整网络参数,使之以较高的精度逼近具有复杂模式的样本数据集。 相似文献
5.
6.
为实现亚像素运动矢量的精确估计,探讨一种基于核回归修正的梯度互相关精确运动估计算法。引入优化滤波中心差分估计器计算图像梯度;基于矩阵相乘离散傅里叶变换方法快速计算上采样梯度互相关函数,以该函数的峰值坐标生成运动矢量的亚像素级初始估计值;在上采样梯度互相关曲面上,采用核回归方法对以初始估计值为中心的邻域进行拟合,并通过检测核回归拟合函数的峰值坐标获得初始估计的精确修正值,从而实现任意精度级别的精确运动估计。与相关文献的算法进行实验比较,在无噪声影响的情况下,所探讨算法的运动估计准确度提高了74%以上;而在噪声影响的情况下,运动估计的准确度则提高了68%以上。实验结果表明,所探讨算法不仅具备良好的抗噪性能,同时能够有效地提高运动估计的精确性。 相似文献
7.
针对亚像素运动矢量的精确估计问题,提出一种基于核回归修正的上采样相位相关精确运动估计算法。首先,使用矩阵相乘离散傅里叶变换方法快速计算上采样相位相关曲面,并通过检测其峰值坐标实现运动矢量的亚像素级初始估计;其次,在上采样相位相关曲面上,采用核回归方法对以初始估计值为中心的邻域进行拟合;最后,检测核回归拟合函数的峰值坐标,并以此坐标对初始估计值进行修正,从而实现任意精度级别的精确运动估计。与二次函数拟合(QuadFit)、线性拟合(LinFit)、Sinc拟合(SincFit)、局部质心(LCM)、频域上采样(Upsamp)等算法进行仿真对比,在无噪声污染的情况下,所提算法的平均估计误差为0.0070,运动估计的准确度提高了64%以上;而在有噪声污染的情况下,所提出的算法的平均估计误差为0.0204,运动估计的准确度提高了47%以上。实验结果表明,所提算法不仅能够有效地提高运动估计的精确性,而且具有良好的抗噪性。 相似文献
8.
9.
10.
提出了两个新的指定接收者签名方案。内部攻击者要伪造签名,等价于伪造Schnorr签名,外部攻击者要验证签名,等价于解Diffie-Hellman问题。二者的计算复杂度均比Cao-Li-Li方案和Zhang-Cai-Xian方案更小,第一个方案保持了Cao-Li-Li方案中同时有保密性和认证性的优点,又克服了Cao-Li-Li方案中利用冗余信息来验证签名的不足。以他们为基础,还构造了两个高效的共享验证签名方案。 相似文献