基于偏置矩阵的卫星遥感影像系统误差补偿

针对在求解卫星遥感影像偏置矩阵的过程中没有考虑偏置角的物理意义,采用理论分析和试验的方法,在分析偏置矩阵中三个角元素对地目标定位精度的影响后,提出了求解偏置矩阵角元素的方法。将求解的偏置矩阵用于国产资源二号卫星遥感影像的几何纠正,在无地面控制情况下,对地目标定位精度达到了实地上的152.338m,很好地补偿了影像上的系统误差,显著提高了直接利用卫星系统参数进行对地目标定位的精度,从而验证了所提出偏置矩阵求解方法的正确性以及用其补偿卫星遥感影像系统误差的可行性。

利用偏置矩阵提高天绘一号卫星影像定位精度

受卫星姿态、位置精度以及传感器安装误差的影响,卫星对地定位会不可避免地产生系统误差。将定位系统误差归结为偏置矩阵,并推导了基于共线方程的表达形式。针对天绘一号高分辨影像进行实验,结果表明,该系列影像利用辅助姿态轨道数据直接定位时,存在不容忽视的系统误差;采用少量地面控制点可以解算偏置矩阵,从而将定位精度提升一个数量级,同时偏置矩阵对一定时间内的其他影像也有纠正作用。

混沌神经元耦合置乱神经元的图像加密算法研究

目的为了使当前加密系统具有更强的密钥敏感性以及更大的密钥空间,以提高抗各种攻击性能。方法提出一种新型的基于置乱神经元耦合混沌神经元的图像加密算法。加密系统的置乱和扩散由2个不同的3层神经构成,分别是置乱神经元层和混沌神经元层,混沌密钥生成模块则通过相应的权值和偏置来对这2层结构进行控制。在混沌神经元层扩散过程中,3个混沌系统用来生成权值矩阵和偏置矩阵,通过非线性标准化、按位异或操作来进行非线性组合,并通过Tent映射来进行激活,以获得扩散信息。在置乱神经元层置乱过程中,利用混沌密钥生成模块获取置乱矩阵,对扩散信息进行线性置乱处理,再通过二维Cat混沌映射对信息进行非线性置乱处理,并与当前加密算法进行对比。结果与当前加密算法相比,文中算法安全性更高,平均熵值为7.9991,且该加密算法的密钥空间大,为2160×1060,密钥敏感性强,错误与正确密钥之间的密文差异率为99.765%。结论设计的加密算法高度安全,可有效抗击各种攻击。

面向用户偏好发现的隐变量模型构建与推理

电子商务应用中产生了大量用户评分数据,而这些数据中富含了用户观点和偏好信息,为了能够从这些数据中准确地推断出用户偏好,提出一种面向评分数据中用户偏好发现的隐变量模型(即含隐变量的贝叶斯网)构建和推理的方法。首先,针对评分数据的稀疏性,使用带偏置的矩阵分解(BMF)模型对其进行填补;其次,用隐变量表示用户偏好,给出了基于互信息(MI)、最大半团和期望最大化(EM)算法的隐变量模型构建方法;最后,给出了基于Gibbs采样的隐变量模型概率推理和用户偏好发现方法。实验结果表明,与协同过滤的方法相比,该方法能有效地描述评分数据中相关属性之间的依赖关系及其不确定性,从而能够更准确地推断出用户偏好。