基于FREAK算符及双向最近汉明距的非理想虹膜识别算法

针对低约束条件的非理想虹膜识别性能的显著下降,以及尺度不变特征变换(SIFT)和加速稳健特征(SURF)方法实时性不高的问题,提出FREAK算符配合双向最近汉明距的识别算法。通过高斯核构建多尺度特征点检测算子提取稳健的特征点集合,并引入FREAK算符改进SIFT算符,以提高特征点的表征和匹配速度;利用双向最近汉明距的匹配策略增强特征匹配对的稳定性,以降低非同源虹膜的匹配点数。实验结果表明,识别等错误率和正确识别率均有改善且单次验证时间均在0.3 s左右。该方法能够有效应对非理想虹膜类内纹理质量的变化,与SIFT与SURF算法相比具有更好的实时性。

恶意模型下汉明距离的保密计算

针对如何在保密数据隐私的情况下计算出不同字符串的汉明距离问题,定义了0-1编码规则,基于椭圆曲线加密算法,设计了一个半诚实模型下保密计算汉明距离的安全协议。针对半诚实模型协议中可能的恶意行为,利用分割-选择和零知识证明方法,设计了恶意模型下的汉明距离安全计算协议,利用理想-实际范例方法证明了协议的安全性。对两个协议与现有协议进行了效率分析及模拟实验,通过对比可知,两协议在半诚实模型和恶意模型下的效率均有所提升。

纵向汉明距离判别法:对潜在属性的发展追踪

研究通过在纵向诊断数据分析中引入计算简单、耗时少的汉明距离判别法(HDD),提出了纵向HDD (Long-HDD)。与HDD相比,Long-HDD额外使用汉明距离刻画个体在相邻时间点上对属性掌握的相依性,以利用前一时间点信息提高当前时间点的分类准确性。三个模拟研究的结果主要表明:在分析纵向诊断数据时,与参数化模型相比,Long-HDD的分类准确性几乎不受样本量影响,在样本量较小时表现更优;且其计算耗时更少,更有利于提供及时性诊断反馈。实证研究结果表明Long-HDD可用于分析实践测评数据,且其追踪诊断结果与参数化模型的存在一致性。

基于汉明距离的量子K-Means算法

K-Means算法在处理大规模异构数据时,通常使用欧氏距离来衡量数据点之间的相似度,然而这样存在效率低下以及计算复杂性过高的问题。受到汉明距离在处理数据相似性计算上存在显著优势的启发,提出一种基于汉明距离的量子K-Means(QKMH)算法来计算相似度。首先,将数据制备成量子态,并使用量子汉明距离计算待聚类点和K个聚类中心之间的相似度;然后,改进了Grover最小值搜索算法查找距离待聚类点最近的聚类中心;最后,循环以上步骤,直到达到规定迭代次数或者聚类中心不再改变。基于量子模拟计算框架QisKit,将提出的算法在MNIST手写数字数据集上进行了验证并与传统和改进的多种方法进行了对比,实验结果表明,QKMH算法的F1值相较于基于曼哈顿距离的量子K-Means算法提高了10个百分点,相较于最新优化的基于欧氏距离的量子K-Means算法提高了4.6个百分点;同时经计算,QKMH算法时间复杂度比上述对比算法更低。

基于汉明距离的文本相似度计算

传统的文本分类中相似度的计算,是根据欧氏空间中向量之间夹角的余弦值来表征的,它根据余弦值的大小来反映文本之间的相互关系。该文则首先建立文本集与码字集之间的1-1对应关系,然后借用编码理论中汉明距离的概念,由汉明距离的计算公式,得到了一种全新的文本相似度的计算方法,与传统的方法相比较,它具有简便,快速等优点。

基于汉明距离的DNA编码约束研究

DNA计算是将现实问题进行编码映射到DNA分子上,通过生物实验产生出代表问题的解的DNA分子,最后通过检测技术提取出该DNA分子。高质量的DNA编码可以尽可能避免或减少计算过程中出现的错误,并使检测阶段易于提取出代表问题的解的DNA分子。对DNA编码约束进行了研究,分析了基于汉明距离的编码约束可以有效降低DNA分子间相似程度,减少DNA计算过程中DNA分子间的相互干扰,从而提高DNA计算的有效性和可靠性。还证明了基于汉明距离的编码约束存在等价的序列组合,降低了编码计算的复杂度。

基于汉明距离递减变换的可逆逻辑综合算法

可逆逻辑综合是指对给定的可逆函数自动构造对应的可逆逻辑电路.现有的可逆逻辑综合算法虽然通过后期优化能够得到近似最优解,但是都存在生成的原始电路门数较多的问题,增加了后期优化工作的难度.文中提出一种基于真值表异位数计算的综合方法,根据异位数判定是否需增加逻辑非门达到减少输入和输出向量的汉明距离,从而实现边计算边简化函数,最后采用汉明距离递减变换的方法生成最终的电路.通过实验表明,相比于其他的综合算法,该算法得到的原始电路更接近于最优解或近似最优解,很大程度上减少了算法后续的优化工作量.

基于差异性汉明距离的变分推荐算法

目前基于哈希技术的推荐算法常用汉明距离表示用户和项目哈希码的相似性,但忽略了哈希码中每位的潜在区别信息,为此提出了一个差异性汉明距离,通过考虑哈希码之间的差异性为哈希码赋予位权重;为差异性汉明距离设计了一个变分推荐模型,该模型分为用户哈希组件和项目哈希组件两部分,以变分自编码器结构连接。首先,模型利用编码器为用户和项目生成哈希码,为提高哈希码的鲁棒性,在哈希码中加入高斯噪声。其次,通过差异性汉明距离优化用户和项目哈希码,以最大限度地提高模型重构用户-项目评分的能力。在两个公开的数据集上的实验结果表明,在计算开销不变的前提下与最先进的哈希推荐算法相比,所提模型在NDCG上提高了3.9%,在MRR上提高了4.7%。

基于高效隐秘汉明距离计算的安全人脸识别

为使人脸识别能够在云端进行隐秘计算,实现一种能够安全计算的人脸识别系统。服务器端(云端)存储一组嫌疑人的人脸数据,客户端(终端)获取人脸图像,在隐秘的情况下将其与服务器端的数据进行安全运算,判断客户端的人脸是否与人脸库中的人脸匹配,若答案是肯定的,则返回给客户端"匹配",不透露任何一方的信息。人脸识别采用人脸特征块提取算法,安全计算采用同态加密和不经意传输算法,在此基础上提出一种高效隐秘汉明距离算法,解决在加密情况下计算人脸向量汉明距离复杂度高的问题,程序测试时间明显减少。

基于汉明距离的传感器网络分层拓扑发现算法

针对传感器网络能源有限的特性,提出了一种基于汉明距离的分层拓扑发现(LTIHD)算法.根据在汇聚节点收集到网络内部节点报文接收或丢失的情况,利用汉明距离识别相邻两层节点之间的父子关系,逐层推测网络的拓扑,不增加网络负担.仿真试验表明:推测18节点传感器网络需要60轮数据采集和1.56 s的推测时间;推测120节点传感器需要140轮数据采集和4.12 s的推测时间.该算法可以准确快速地推测传感器网络的拓扑,适合大规模传感网络的拓扑推测.

等汉明距离编码的研究

提出了一种特殊的线性分组码，它各码字之间具有相同的汉明距离，并且可以编成循环码．同时说明，除此码之外，不存在其它的分组码具有码字之间汉明距离均相同的情况．

基于码重分布与汉明距离的线性码盲识别方法

针对信道编码盲识别需要一定的先验知识,无法实现全盲识别的问题,提出了一种联合码重分布与汉明距离的盲识别方法,解决在高误码率情况下的二进制线性分组码的盲识别问题。首先,该方法利用码重分布准确获取码长,同时粗判断出码字起点;然后,在粗判断出的码字起点基础上进一步利用汉明距离的方法实现码字起点的准确判断,进而获得生成矩阵,实现码字的盲识别。理论分析及仿真实验表明,该方法能满足一定的误码率要求,具有一定的工程应用前景。

汉明距离发生器实现方案的研究

汉明距离是用来衡量 2个二进制码字之间的相似程度的 ,本文主要针对用FPGA实现的汉明距离发生器 ,详细研究了其关键部件累加器的几种实现方案 ,给出了波形仿真结果和时延及占用FPGA资源的统计结果 ,提出了一种能大大缩短电路时延、提高运算速度并节省资源的实现方案 。

结合汉明距离及语义的文本相似度量方法研究

利用VSM模型的TF-IDF算法对文本进行相似度量是文本信息处理领域的常用做法,但是该方法涉及到高维稀疏矩阵的处理,计算效率不高,不利于处理大规模文本,同时该方法忽略词项语义信息对文本的影响.另有一种基于语义的相似度算法可克服前一种方法的语义缺点,但需要知识库的支持,其建立过程的繁杂使此类算法理论多过实践.为此提出一种新的文本相似度计算方法,方法综合TF-IDF算法以及HOWNET的语义信息,并利用汉明距离计算文本相似度,避开对高维稀疏矩阵的直接处理.实验结果表明,与常用方法相比较,处理速度更快、性能更好,适用于大规模文本处理.

几种LDPC码的最小汉明距离的计算

本文提出一种计算LDPC码的真实最小汉明距离的方法.该方法能够用来计算多种LDPC码方案的真实最小汉明距离,比如准循环LDPC码、pi-旋转LDPC码等.该方法是通过计算码的环长间接地找到LDPC码最小距离,由于计算环长的计算量要远比直接计算最小汉明距离来得低,因而该算法能够在有限时间内找到LDPC码的真实最小距离.通过仿真表明,用目前主流的个人计算机利用该方法找出一个有最小距离24的码率为1/4的准循环LDPC码最小距离大概需要花77分钟.

基于汉明距离统计的隐写分析算法

针对LSB匹配隐写算法会改变自然图像LSB(最低有效位)序列相关性的特点,提出了"汉明距离统计"方法。在合理假设的情况下,分别对随机序列和自然图像LSB序列的汉明距离统计分布进行推导和实验,构造了能够度量二者相关性本质差异的统计量,并据此设计了适用于LSB匹配的隐写分析算法。实验结果表明算法具有较好的检测性能。

基于汉明距离的无线传感器网络密钥预分配方案

无线传感器网络自身的特征,如网络规模庞大,动态的拓扑结构,有限的计算、通信和存储能力等,使得传统的密钥分配和管理机制无法直接应用。基于汉明距离提出了一种新的适用于无线传感器网络的密钥预分配方案。该方案将对称密钥系统和非对称密钥系统结合起来,并借助汉明距离的概念在无线传感器网络中实现了密钥的分配和管理。与随机密钥预分配方案相比,本方案在健壮性和安全性方面具有一定的优势,其计算和存储开销也不大,具有一定的实用性。

保护隐私的汉明距离与编辑距离计算及应用

随着信息技术的快速发展,在保护数据隐私的条件下进行多方合作计算越来越普及,安全多方计算已成为解决这类问题的核心技术。在科学研究及实际应用中,人们常根据两个字符串之间的汉明/编辑距离度量其相似程度,研究汉明/编辑距离的保密计算具有重要意义。文中主要针对汉明距离与编辑距离的两方保密计算问题进行研究。首先将汉明距离的计算问题转化为向量内积计算问题,应用加密选择技巧以及Okamoto-Uchiyama(OU)密码系统设计保密计算协议。然后通过对参与者字符串中各字符进行统一编号的方法,将编辑距离的计算问题转化为判定隐私数据的差是否为0的问题,应用OU密码系统设计编辑距离保密计算协议。应用模拟范例严格证明了协议的安全性,分析了协议的计算复杂性,测试了协议的实际执行效率,并与目前已有相关结果进行了分析比较。理论分析和实验结果都表明了协议的高效性。

LDPC码的最小汉明距离估算

低密度奇偶校验码(LDPC)是一种优秀的线性分组奇偶校验码。在简要阐述LDPC码原理上,给出了一种叫"最小码字搜索法"的算法来估算LDPC码的最小汉明距离。并用相应的实例给予验证,显示了该方法的正确性与实用性,对分析与优化LDPC码设计具有重要参考价值。

汉明距离矩阵的研究(英文)

汉明距离矩阵D_s是由测量定义在F_s^q:={0,1,…,q-1}~s上的码字的汉明距离的元素构成.汉明距离矩阵D_s可以由递归的形式表示出来.利用汉明距离矩阵D_s的递归公式求得了矩阵D_s所有特征根以及特征向量.在文章的最后还得出-cD_s的Schur指数形的所有特征根.如果c>0的话,-cD_s的Schur指数形的所有特征根都大于零,从而-cD_s的Schur指数形是正定的.