外P-集合与F-信息伪装

P-集合(packet sets)是一个集合对,它是由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成。P-集合具有动态性,利用外P-集合,给出F-信息伪装与F-信息伪装生成概念;提出F-信息伪装度量定理与信息伪装被恢复-还原定理;给出辨识准则与方法。利用这些结果,给出F-信息伪装被恢复-还原的应用。P-集合是研究动态信息系统的一个新理论和新方法。

P-集合与信息F-伪装-辩识

P-集合(packet sets)是一个集合对,它由内P-集合(internal packetsets)与外P-集合(outer packetsets)共同构成。P-集合具有动态性,利用内P-集合,给出F-信息伪装与F-信息伪装生成概念;提出F-信息伪装度量定理与信息伪装被恢复-还原定理;给出辨识准则与方法。利用这些结果,给出F-信息伪装被恢复-还原的应用。P-集合是研究动态信息系统的一个新理论和新方法。

基于信息伪装理论的单片机多机通信系统安全性分析

阐述利用F-信息伪装能还原真信息的充要条件,以及还原辨识准则两种手段,对接收的信息进行认定,针对各种信息攻击方式建立数学模型,设计安全性分析方案,通过理论和实例相结合,验证基于F-信息伪装理论的单片机多机通信系统的安全性。

Relief-F筛选波段的植被伪装揭露研究

为了快速揭露植被伪装,基于Relief-F算法进行了高光谱波段选择,将高光谱研究问题转化为多光谱应用问题。首先以常见植物云杉模拟植被伪装目标,利用HH2地物光谱仪采集实验数据,然后引入Relief-F算法筛选特征波段子集,与其它两种常用算法得到的波段子集进行了分类实验。结果表明,使用Relief-F算法筛选特征波段子集分类精度达96.4%,高于其它两种算法。该研究对于揭露植被伪装问题是有帮助的。

基于波段提取的伪装目标目视解译方法

目视解译目标在速度和准确性上表现优秀,可靠性强。将不同物质以光谱特征信息进行区分问题转化为利用不同光谱波段进行彩色合成得到适于人眼判别的假彩色图像。提出结合波段子空间划分和Relief-F算法建立模型选择波段,进行附色处理辅助人眼识别伪装目标。利用几类色调与植被环境色调相近的地物,采集实验数据;引入模型筛选特征波段子集,与另外2种常用算法结果进行对比。结果表明,使用该模型所选波段能够区分伪装目标,且效果好于另2种算法,成功地满足了选择彩色合成最佳波段的需要。

信息伪装与真-伪信息筛选

P-集合是由内P-集合XF(internal packet set XF)与外P-集合XF(outer packet set XF)构成的集合对,或者(XF,XF)是P-集合。P-集合具有动态特征。利用内P-集合的结构与动态特征,给出F珔-信息伪装的概念、F珔-信息伪装的结构与特征,给出F珔-信息伪装模与真-伪信息筛选定理和真-伪信息筛选的应用。P-集合生成的F珔-信息伪装是P-集合的重要研究分支之一,是信息系统研究中一个新的研究方向。