期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
6
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
林业工程建设中林木育苗技术要点
1
作者
翁科
《中文科技期刊数据库(全文版)农业科学》
2024年第3期0010-0013,共4页
林业工程建设是国家经济建设的重要组成部分,对于改善生态环境、促进经济发展具有重要的影响。为了确保移植后的苗木能够茁壮成长,林业工作人员需按照种苗的自身发育规律以及所在区域的自然环境特征,采取科学的方法加以悉心栽培,方可达...
林业工程建设是国家经济建设的重要组成部分,对于改善生态环境、促进经济发展具有重要的影响。为了确保移植后的苗木能够茁壮成长,林业工作人员需按照种苗的自身发育规律以及所在区域的自然环境特征,采取科学的方法加以悉心栽培,方可达到最理想的造林目标。因此,工作人员必须了解最先进的林木育苗技术,包括对树种的挑选、种植、科学管理、病虫害预防等,并结合实际制订具体的育苗计划,以提高林木育苗质量。本文就林业工程建设中林木育苗技术要点展开研究和讨论,以期为提高林业工程建设质量和效益提供参考。
展开更多
关键词
林业
工程
林木育苗
技术
要点
下载PDF
职称材料
面向医学图像版权和隐私保护的双水印方案
2
作者
石慧
翁科
+1 位作者
宋天然
冯泽晨
《辽宁师范大学学报(自然科学版)》
CAS
2023年第1期43-55,共13页
针对医学图像隐私泄露、非法拷贝和安全性低的问题,提出面向医学图像版权和隐私保护的双水印方案.首先提出了一种新的编码方式——LC编码,将字母变换为矩阵,利用少量数据进行编码和扩展,将病人敏感信息加密,不仅实现了隐私保护,还实现...
针对医学图像隐私泄露、非法拷贝和安全性低的问题,提出面向医学图像版权和隐私保护的双水印方案.首先提出了一种新的编码方式——LC编码,将字母变换为矩阵,利用少量数据进行编码和扩展,将病人敏感信息加密,不仅实现了隐私保护,还实现零水印和鲁棒水印的关联;然后基于LC编码、DWT变换,DCT变换,奇异值分解(SVD)和Arnold置乱,将鲁棒水印嵌入医学图像中;最后以嵌入鲁棒水印后的医学图像为载体,提取hog特征,并结合LC编码加密后的病人信息及指纹图像生成零水印,不同于传统零水印,提出的零水印方案不仅可以实现版权保护,还可以实现篡改检测.本算法通过三重安全机制,加强对病人敏感信息和医学图像版权及隐私保护.理论分析和仿真实验表明,该算法具有良好的不可见性、强鲁棒性和高安全性.
展开更多
关键词
医学图像
零水印
鲁棒水印
版权与隐私保护
LC编码
下载PDF
职称材料
基于双域联合编码和秘密共享的密文域可逆信息隐藏
3
作者
翁科
秦健豪
+1 位作者
宋天然
石慧
《应用科学学报》
CAS
CSCD
北大核心
2023年第2期197-217,共21页
针对如何提高可逆信息隐藏算法的安全性和嵌入容量的问题,提出了一种基于双域联合编码和密码反馈秘密共享的密文域可逆信息隐藏算法。首先,对图像进行中值边缘检测器(median-edge detector,MED)预测,计算最优水平l,并将像素分成可预测...
针对如何提高可逆信息隐藏算法的安全性和嵌入容量的问题,提出了一种基于双域联合编码和密码反馈秘密共享的密文域可逆信息隐藏算法。首先,对图像进行中值边缘检测器(median-edge detector,MED)预测,计算最优水平l,并将像素分成可预测像素和不可预测像素;其次,使用双域联合编码分别在像素域和比特域上压缩辅助信息,以便提供更多的可嵌入空间;再次,使用密码反馈秘密共享技术将原始图像加密生成多个加密图像,并将辅助信息和多方的秘密数据嵌入到多个加密图像中;最后,根据提取的辅助信息,100%恢复秘密数据以及原始图像。实验结果表明,该算法显著提高了嵌入容量和安全性。
展开更多
关键词
密文域可逆信息隐藏
双域联合编码
秘密共享
密码反馈
高容量
强安全
下载PDF
职称材料
基于BERT模型与TF-IDF特征融合的中文新闻标题分类
被引量:
1
4
作者
翁科
《信息与电脑》
2023年第13期88-90,共3页
针对中文新闻标题分类的问题,传统的文本分类方法往往无法有效地捕捉词语之间的语义关系和上下文信息。为了解决此问题,使用预训练的来自变换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)模型...
针对中文新闻标题分类的问题,传统的文本分类方法往往无法有效地捕捉词语之间的语义关系和上下文信息。为了解决此问题,使用预训练的来自变换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)模型来提取标题的语义表示,并融合词频-逆文本频率指数(Term Frequency-Inverse Document Frequency,TF-IDF)特征向量作为BERT模型的输入。实验结果表明,文章方法在准确性和泛化能力上得到了显著提升。
展开更多
关键词
文本处理
人工智能
特征融合
技术
下载PDF
职称材料
油松大苗移植及栽培管理技术
被引量:
5
5
作者
翁科
《现代园艺》
2017年第16期48-48,共1页
油松是华北地区重要的造林树种和园林绿化树种,移栽不易成活,栽植大苗相对于小苗而言成活率低。为提高移植苗成活率和活后生长势,本文分析和探讨了油松大苗移植及管理的关键技术。
关键词
油松大苗
移植
栽培管理技术
下载PDF
职称材料
加强国有企业反腐工作刍议
6
作者
翁科
《人事天地》
2009年第27期18-18,共1页
随着国有企业改革的不断深化,国有企业在日益融入市场经济大潮的同时,也还存在一些腐败问题。本文从企业生产经营管理、改革改制方面分析了当前企业存在的主要腐败问题,剖析原因,并提出了推进企业反腐倡廉工作的若干建议。
关键词
企业
腐败
问题
下载PDF
职称材料
题名
林业工程建设中林木育苗技术要点
1
作者
翁科
机构
河北省张家口市怀安县自然资源和规划局
出处
《中文科技期刊数据库(全文版)农业科学》
2024年第3期0010-0013,共4页
文摘
林业工程建设是国家经济建设的重要组成部分,对于改善生态环境、促进经济发展具有重要的影响。为了确保移植后的苗木能够茁壮成长,林业工作人员需按照种苗的自身发育规律以及所在区域的自然环境特征,采取科学的方法加以悉心栽培,方可达到最理想的造林目标。因此,工作人员必须了解最先进的林木育苗技术,包括对树种的挑选、种植、科学管理、病虫害预防等,并结合实际制订具体的育苗计划,以提高林木育苗质量。本文就林业工程建设中林木育苗技术要点展开研究和讨论,以期为提高林业工程建设质量和效益提供参考。
关键词
林业
工程
林木育苗
技术
要点
分类号
S723.1 [农业科学—林木遗传育种]
下载PDF
职称材料
题名
面向医学图像版权和隐私保护的双水印方案
2
作者
石慧
翁科
宋天然
冯泽晨
机构
辽宁师范大学计算机与信息技术学院
出处
《辽宁师范大学学报(自然科学版)》
CAS
2023年第1期43-55,共13页
基金
国家自然科学基金资助项目(61976109,62006108,61601214)
辽宁省振兴人才计划项目(XLYC2006005)
+2 种基金
辽宁省教育厅科学研究项目(WQ2020014)
教育部产学合作协同育人项目(201802130062,201901267002,202002295021)
辽宁省普通高等教育本科教学改革研究项目(辽教办[2021]254号)。
文摘
针对医学图像隐私泄露、非法拷贝和安全性低的问题,提出面向医学图像版权和隐私保护的双水印方案.首先提出了一种新的编码方式——LC编码,将字母变换为矩阵,利用少量数据进行编码和扩展,将病人敏感信息加密,不仅实现了隐私保护,还实现零水印和鲁棒水印的关联;然后基于LC编码、DWT变换,DCT变换,奇异值分解(SVD)和Arnold置乱,将鲁棒水印嵌入医学图像中;最后以嵌入鲁棒水印后的医学图像为载体,提取hog特征,并结合LC编码加密后的病人信息及指纹图像生成零水印,不同于传统零水印,提出的零水印方案不仅可以实现版权保护,还可以实现篡改检测.本算法通过三重安全机制,加强对病人敏感信息和医学图像版权及隐私保护.理论分析和仿真实验表明,该算法具有良好的不可见性、强鲁棒性和高安全性.
关键词
医学图像
零水印
鲁棒水印
版权与隐私保护
LC编码
Keywords
medical image
zero watermarking
Robust watermarking
copyright and privacy protec-tion
LC code
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于双域联合编码和秘密共享的密文域可逆信息隐藏
3
作者
翁科
秦健豪
宋天然
石慧
机构
辽宁师范大学计算机与信息技术学院
出处
《应用科学学报》
CAS
CSCD
北大核心
2023年第2期197-217,共21页
基金
国家自然科学基金项目(No.61976109,No.62006108,No.61601214)
辽宁省振兴人才计划(No.XLYC2006005)
+2 种基金
辽宁省教育厅(No.WQ2020014)
辽宁省科研项目(No.LJKZ0963)
大连市社科院重点项目(No.2020dlsky042,No.2021dlsky027)资助。
文摘
针对如何提高可逆信息隐藏算法的安全性和嵌入容量的问题,提出了一种基于双域联合编码和密码反馈秘密共享的密文域可逆信息隐藏算法。首先,对图像进行中值边缘检测器(median-edge detector,MED)预测,计算最优水平l,并将像素分成可预测像素和不可预测像素;其次,使用双域联合编码分别在像素域和比特域上压缩辅助信息,以便提供更多的可嵌入空间;再次,使用密码反馈秘密共享技术将原始图像加密生成多个加密图像,并将辅助信息和多方的秘密数据嵌入到多个加密图像中;最后,根据提取的辅助信息,100%恢复秘密数据以及原始图像。实验结果表明,该算法显著提高了嵌入容量和安全性。
关键词
密文域可逆信息隐藏
双域联合编码
秘密共享
密码反馈
高容量
强安全
Keywords
reversible data hiding in encrypted image(RDHEI)
dual-domain joint coding
secret sharing
cipher feedback
high capacity
strong security
分类号
TP309.7 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于BERT模型与TF-IDF特征融合的中文新闻标题分类
被引量:
1
4
作者
翁科
机构
辽宁师范大学
出处
《信息与电脑》
2023年第13期88-90,共3页
文摘
针对中文新闻标题分类的问题,传统的文本分类方法往往无法有效地捕捉词语之间的语义关系和上下文信息。为了解决此问题,使用预训练的来自变换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)模型来提取标题的语义表示,并融合词频-逆文本频率指数(Term Frequency-Inverse Document Frequency,TF-IDF)特征向量作为BERT模型的输入。实验结果表明,文章方法在准确性和泛化能力上得到了显著提升。
关键词
文本处理
人工智能
特征融合
技术
Keywords
text processing
artificial intelligence
feature fusion
technology
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
油松大苗移植及栽培管理技术
被引量:
5
5
作者
翁科
机构
怀安县林业局
出处
《现代园艺》
2017年第16期48-48,共1页
文摘
油松是华北地区重要的造林树种和园林绿化树种,移栽不易成活,栽植大苗相对于小苗而言成活率低。为提高移植苗成活率和活后生长势,本文分析和探讨了油松大苗移植及管理的关键技术。
关键词
油松大苗
移植
栽培管理技术
分类号
S791.254 [农业科学—林木遗传育种]
下载PDF
职称材料
题名
加强国有企业反腐工作刍议
6
作者
翁科
机构
广西建工集团有限责任公司
出处
《人事天地》
2009年第27期18-18,共1页
文摘
随着国有企业改革的不断深化,国有企业在日益融入市场经济大潮的同时,也还存在一些腐败问题。本文从企业生产经营管理、改革改制方面分析了当前企业存在的主要腐败问题,剖析原因,并提出了推进企业反腐倡廉工作的若干建议。
关键词
企业
腐败
问题
分类号
D630.9 [政治法律—中外政治制度]
F279.241 [经济管理—企业管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
林业工程建设中林木育苗技术要点
翁科
《中文科技期刊数据库(全文版)农业科学》
2024
0
下载PDF
职称材料
2
面向医学图像版权和隐私保护的双水印方案
石慧
翁科
宋天然
冯泽晨
《辽宁师范大学学报(自然科学版)》
CAS
2023
0
下载PDF
职称材料
3
基于双域联合编码和秘密共享的密文域可逆信息隐藏
翁科
秦健豪
宋天然
石慧
《应用科学学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
4
基于BERT模型与TF-IDF特征融合的中文新闻标题分类
翁科
《信息与电脑》
2023
1
下载PDF
职称材料
5
油松大苗移植及栽培管理技术
翁科
《现代园艺》
2017
5
下载PDF
职称材料
6
加强国有企业反腐工作刍议
翁科
《人事天地》
2009
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部