矢量数据的优化压缩研究

对于矢量数据,定义一种新的压缩误差,并在此压缩误差下,利用动态规划思想,讨论单实体和多实体矢量数据的压缩方法。特别在多实体的矢量数据压缩中,使用由压缩率和压缩误差相结合的加权平均分配节点的方法。实验结果表明,该压缩方法能够较好地反映矢量数据的性态,具有较高的压缩效率。

矩阵张量积加密的密钥构成及配制

加密技术是保护数据安全的一种有效方法。矩阵张量积具有良好的密码学性质。进一步研究基于矩阵张量积数据加密中的密钥构成及配制问题,提出了利用矩阵张量积进行数据加密的完整方法。

基于矩阵张量积的数据加密方案

1引言 在当今信息社会中,计算机技术的应用日趋深化,大量的数据交换越来越频繁,由此引起的数据安全也更加突出.作为保障数据安全的一种非常重要方法,数据加密技术已越来越受重视,对它的研究也就有着非常重要的现实意义.

基于矩阵张量积的数据加密矩阵的构造

通过讨论二阶矩阵的可逆性,研究了基于矩阵张量积合成加密矩阵的构造问题,并用实例进行了加密实践。

微机系统下应用软件中的数据安全

就微机系统下应用软件中数据访问和数据存储方面的数据安全保密问题 ,提出了灵巧的、切实可行的措施 。

关于矩阵张量积计算的研究

利用矩阵张量积有关理论,讨论了矩阵张量积的计算问题,分析了算法的复杂性,并研究了并行算法及计算复杂性问题。

PDF文档的一种数字水印算法

针对PDF文档的结构特点,研究并提出一种新的文本数字水印算法。在不改变PDF文档原有任何可见属性的前提下,利用PDF二进制文件自身的语法和结构特征嵌入水印信息。实验结果表明,该数字水印嵌入方法具有很好的不可感知性,能有效地实现文档版权和内容完整性保护。

程序设计中的循环机制

在计算机程序设计中,较为复杂的算法程序都要使用循环结构。本文分析了循环结构中循环体的共有特性,探讨了循环结构的分析与设计。

一类循环问题的处理方法

在计算机应用编程中,为了更好地处理循环问题,文章分析了一类循环重数具有一般性的循环问题,探讨了此类问题的解决方法,并给出了具体的程序编码。用此方法,在软件开发中可取得良好的效果。

VFP中的表格控件

深入地论述了 VFP中的表格控件 ,探究了它在数据管理方面的应用细节及使用技巧 ,并给出了具体的示例程序。

关于矩阵最优路径算法的探讨

本文讨论了矩阵最优路径的串行和并行算法。在串行方面讨论了用动态规划思想的求解算法 ;在并行方面给出了计算模型。并给出算法描述和算法复杂性分析。

分块矩阵的张量积及其并行计算

矩阵张量积的计算是矩阵计算中的一类重要问题,与乘法相比,张量积的计算量更为庞大。分析了分块矩阵张量积的相关数学特性,证明了在置换相抵意义下两个矩阵的张量积运算可以交换,特别刻画了这类置换矩阵,并由此证明了在置换相抵条件下分块矩阵可以分块地进行张量积运算。在此基础上,讨论了矩阵张量积的并行计算问题,提出了几种并行计算模型,进行了必要的算法分析,并通过实例阐述了这些算法的思想和过程。

VB中的鼠标处理技术

详细论述了VB系统中的鼠标事件 ,以及在使用方法中的技术细节和技巧 ,介绍了利用API进行鼠标控制的方法 。

关系数据模式分解及应用

给出了关系数据模式分解中无损联接分解算法的一个通俗证明 。

微机应用软件中的数据组织技巧

如何使用恰当的方式组织所需的数据源 ,是微机数据库编程中的关键问题。本文分析了VB中的数据对象在实际编程中的有关方法和技巧 ,并用程序的方式给出了具体的应用实例。

计算机纠错码中的0-1矩阵

在计算机纠错码技术中 ,0 - 1矩阵是重要的理论基础和工具。本文就模 2有限域上的 0 - 1矩阵 ,给出了几个在应用中有重要作用的基础性结论。

关于计算机纠错码的一些结果

本文讨论了线性分组码一些性质 ,给出了极大最小距离可分码方面的一个结果。

关于全距置换的探讨

全距置换在密码学中有重要的应用。根据全距置换,引入了全距排列的概念,讨论了全距排列与全距置换的对应关系及其性质,并由此给出了全距置换的一种构造方法。

基于EPSO-RVM的网络入侵检测模型

为了提高网络入侵检测的正确率,提出一种精英选择策略粒子群算法(EPSO)优化相关向量机(RVM)的网络入侵检测模型(EPSO-RVM)。将相关向量机的参数编码成粒子,将入侵检测正确率作为粒子群搜索的目标,通过粒子群算法对参数优化问题进行求解,并引入精英选择策略增强粒子群算法的全局搜索能力,根据最优参数建立基于RVM的入侵检测模型,采用KDD99数据集对其性能测试,结果表明,相对于对比模型,EPSO-RVM较好地解决了相关向量机参数优化难题,提高了网络入侵检测的正确率。

基于小样本集弱学习规则的KNN分类算法

KNN及其改进算法使用类标号已知的数据集Dl对类标号未知的数据集Du进行类别标志,如果Dl中的数据数量过少,将会影响最后的分类精度。基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对Dl中的数据对象进行学习,从中选取一些数据,利用学到的标签知识对其进行类别标号,然后将其加入到Dl中;最后利用扩展后的Dl对Du中的数据对象进行类别标志。通过使用标准数据集的测试发现,该算法能够提高KNN的分类精度,取得了较满意的结果。