一种考虑水印特征隐藏三维数字图像保护方法

针对传统三维数字图像嵌入水印算法保留的水印特征信息过多,易被攻击的弊端,提出了一种考虑水印特征隐藏的三维数字图像保护方法,对于待加入水印的三维数字图像,引入分块DCT算法对原始图像进行水印特征隐藏处理并得到水印特征隐藏图元矩阵,再将水印图像通过BCH编码进行特征隐藏降噪压缩。根据设定的特征隐藏系数随机分配图元位置并插入原始图像中,得到包含特征隐藏水印的数据图像。仿真结果表明,该方法嵌入的特征隐藏水印不仅可抵抗多种不同类型攻击,比传统算法抗噪声攻击性提高了约25%,抗剪切攻击性提高了15%左右。

一种有效显示隐藏特征的光线投射算法

提出了一种有效显示隐藏特征的光线投射算法,无需调节复杂的传输函数,便可以有效地显示光线方向上被遮挡的感兴趣的特征.在沿光线方向遍历的过程中,采用低通滤波对光线上采样点的标量值进行平滑,以获得不受噪声干扰的、准确的特征点;根据特征点的深度信息调整当前最大的标量值,以获得能够满足隐藏特征显示的当前最大标量值;计算最大标量差,调整不透明度和颜色的累加值,以提高隐藏特征的可见性.实验结果表明,文中算法相对于传统算法,绘制结果的结构信息丰富,有效地显示了隐藏信息,具有一定的实用性.

按病种付费下医生的隐藏特征问题分析

按病种付费作为控制医疗费用过快上涨的一项支付方式改革,在我国的进展较为缓慢且改革效果未及预期,主要原因之一是来自医生的阻力。研究借用委托代理理论分析医生作为代理方在执行按病种付费改革过程中,如何利用自己的信息优势而采取机会主义行为,产生隐藏特征问题如何对改革的进展和效果起到阻碍作用,为进一步完善按病种付费制度提供参考建议。

曲线信息隐藏特征约束可控分形插值算法仿真

传统曲线分形插值存在地理弯曲特征约束少、在分形过程中容易失去控制的问题,为此提出了曲线信息隐藏特征约束可控分形插值算法。分析并提取曲线中的信息隐藏特征,并以此作为分形插值算法的运行约束条件,从而设置约束控制参数。在约束控制条件下,计算曲线分形插值点的基值,并确定插值的次数和维数,并结合仿射变换原理实现曲线的可控分形插值。通过与传统插值算法的对比发现,设计插值算法得出的结果更加接近实际结果,能够最大程度地保留曲线的弯曲特征和分形特征。

基于多维隐藏特征的电商推荐系统排名设计与实现研究

利用8天左右的淘宝用户数据,基于Keras框架完成电商推荐系统排名部分构建。该系统采用了多层深度学习框架,使用用户ID、商品ID、类目ID、用户行为类型与行为时间作为隐藏特征来源输入,映射成高密度低维向量,利用ReLU与Softmax等激活函数生成推荐模型,预测误差率0.21。

基于无衍射姿态探针和全站仪组合测量空间隐藏坐标

针对大尺度空间中构件特征隐藏区的空间坐标测量,提出了一种基于无衍射光束的测量探针,并将该探针与全站仪结合构成了空间坐标组合测量系统。介绍了探针姿态测量系统和组合测量系统的结构与原理。测量时,首先将探针测头接触于被测点,并用全站仪或激光跟踪仪瞄准探针的光学系统,测得探针的空间位置坐标。接着,使用探针将测距激光通过axicon透镜变换为无衍射光,并由CCD摄像机获得图像。由无衍射光的中心一对一映射激光的入射方向,通过无衍射光图像定中计算,获得探针的水平角和俯仰角。最后,通过电子倾角仪测得探针滚动角;联合测得各姿态角和位置坐标,通过坐标变换,计算得出被测点的空间坐标。实验显示,该探针的姿态角测量精度为1mrad,组合测量空间位置偏差为±1mm,表明基于无衍射光束的探针与全站仪所构成的组合测量系统可满足大尺度空间中特征隐藏区空间坐标测量的要求。

广域深位小型隐藏特征的测量方案设计与应用

新型箱板式卫星主承力结构的装配基准孔分散且被深度遮挡。针对此异形结构的特点和安装接口精度高的要求,提出了一种解决广域深位小型隐藏特征的精测方案,用于解决此结构的精度测量问题。该方案实现了星体设计基准和部装工艺基准位置关系的测量转换。该方案的部装基准标定单元采用精密光栅技术,实现深位小型隐藏特征自动测量;该方案的部装基准转移标定单元采用双目立体视觉技术,实现广域多型目标高精度识别测量。经试验验证,该方案的测量精度满足设计要求,能大幅提升测量效率。

一种基于深度特征的信号分类方法

针对实际侦测辐射源目标信号交叠、参数灵活多变、波形不完整等特点,以及传统目标分类识别方法准确率不高的问题,提出了一种基于深度特征的信号分类方法。通过数据积累对全脉冲数据进行补全、纠错,综合时域、频域、空域、能量域、调制域等多域参数提取隐藏特征,搭建深度学习网络对侦测数据进行持续训练,实现对复杂目标信号的分类。

下一代木马的关键技术方向探究

研究下一代木马技术的原理和发展方向,是当前计算机安全领域亟待解决的问题,也是未来信息对抗中掌握网络控制主动权的重要环节。根据木马程序多年发展中技术和功能不断演进的趋势,在深入分析目前常见木马的工作机制、主要技术手段以及反木马检测技术手段的基础上,预设一个由主控端群、被控端群和服务中心三部分组成的下一代木马体系结构模型。基于该模型的功能和特点,重点对公钥+私钥的远程控制体系结构、全新的特征隐藏、复杂的通信协议和跨平台执行中所涉及的关键技术进行了分析研究。

一种时空敏感的QoS预测方法

Web服务作为自解释的应用程序,通过在网络上提供标准接口以实现互操作性.在过去的几年中,网络上的开放服务变得越来越丰富,而服务的广泛应用导致需要高效的方法以提升性能,尤其是在软件即服务(SaaS)的场景中.目前的服务计算研究已经提出了许多基于QoS的方法,包括服务组合、服务选择、服务容错等,准确的QoS值预测显得尤为关键.服务器端的QoS值通常由服务提供商发布,代表Web服务的共享特性,而在客户端测量的QoS值则不同于服务器端:不同位置的用户可能测量到不同的QoS值.其缘由是服务调用需要消耗资源,并受到服务的状态与网络环境的影响,而且实时测量通常会引入新负载,从而导致性能评估不准确.近年来,一些方法建议引入更多的因素来提高预测精度(比如,考虑用户的感受与环境因素,引入空间及时间因素等),但是这些研究仅仅局限于某一维度的性能提升,缺少多维因素对于预测结果影响的考虑.文中提出一种时空敏感的QoS预测方法,该方法通过深度学习方法挖掘多维因素的高层特征以提高预测精度.文中在真实数据集上进行了大量实验,实验结果验证了该方法的有效性.最后,对该方法的未来发展进行展望.

抗截获物理层安全宽带传输技术研究

随着网电攻击一体化能力的提升,战术无线通信系统的上层通信协议和物理层信号结构与参数等面临着易被攻击、被干扰和被截获等安全威胁。现有的无线通信采用链路层和物理层独立设计方法,通过链路层信息加密、物理层信号抗干扰等措施保障信息安全传输。这种链路层和物理层独立处理架构已不能抵抗敌方强大的截获侦听破译所造成的安全威胁,需要从无线传输的物理层做好信息安全传输的“第一道防线”。因此,以物理层安全和动态可重构波形技术为基础,实现特征动态隐藏安全宽带传输技术,通过多维度的信号捷变,隐藏或减弱信号特征,有效提升信号抗截获与信息抗分析能力,实现通信与安全深度融合,提高战术无线通信系统的安全防护能力。

基于门控图卷积神经网络的有机化学反应预测

随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训练下的门控图卷积神经网络(ASGGCN)模型。首先,输入化学反应物的简化分子线性输入规范(SMILES)编码,通过门控图卷积神经网络(GGCN)以及注意力机制预测反应中心所在位置;然后,根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物,再通过门控图卷积差分网络对候选产物进行筛选;最终,得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合,与传统的图卷积神经网络相比,它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练,使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明,所提模型对化学反应产物的Top-1预测准确率可达87.2%,对比Weisfeiler-Lehman差分网络(WLDN)模型提高了1.6个百分点,可见模型能够更准确地预测有机化学反应产物。

基于U型检测网络的图像篡改检测算法

针对图像篡改检测算法依赖单一图像属性、适用度不高以及当前基于深度学习的检测算法时间复杂度过高、精度较低等缺陷,提出了一种基于U型检测网络的图像篡改检测算法。该算法首先利用连续的卷积层和最大池化层提取图像中多阶段的特征信息,然后将得到的特征信息通过上采样操作恢复至输入图像的分辨率大小。同时,为保证在提取图像高级语义信息的同时实现更高的检测精度,U型检测网络中各阶段的输出特征会和对应的通过上采样层的输出特征进行合并。U型检测网络在一般网络展现出来的特性上,进一步探究了图像中篡改与非篡改区域间的隐藏特征信息,利用其端到端的网络结构和提取图像上下文间较强关联信息的属性,可以实现快速且高精度的检测效果。最后利用全连接条件随机场对U型检测网络的输出结果进行优化,以获得更精细的检测效果。实验结果表明,所提算法效果优于传统的基于图像单一属性的篡改检测算法和当前基于深度学习的检测算法,并且具有较好的顽健性。

基于LFM的协同过滤算法研究及实现

本文主要介绍与隐语义模型LFM(Latent Factor Model,LFM)相关的理论基础、模型优点以及训练模型时求解最优损失函数的两种基本算法。在训练模型时,可以基于标签内容来提取物品特征,也可以让模型去发掘物品潜在特征;最后在Movie Lens数据集上进行测试,验证隐语义模型LFM既可以对用户—项目的评分矩阵中未评分项目进行精确评分,也可揭示物品的隐藏特征和一些潜在规律。

对几道矩形中最值试题不一样的思考

对几道矩形中的最值问题进行研究,它们的解决依赖于隐藏的特征的发现,分析了试题的解题思路,给出了试题的变式。

基于动态系统的网络社团线性探测算法

社团探测技术对于理解和分析现实世界网络具有非常重要的意义.本文提出了一种新的动态社团探测算法,利用迭代技术高效而准确地揭示网络中的社团结构.首先引入一种新型的基于离散时间的动态系统,描述社团归属的从随机状态到最优划分的演化轨迹,进一步利用严格的数学分析找出了社团归属收敛到最优的条件.另外,本文还创新性地提出了划分指标函数的一般化形式,通过选择不同的参数,可以引申到几乎所有著名的指标函数.本文算法非常高效,计算复杂度分析显示算法需要的时间与稀疏网络节点的数量呈线性关系.除此之外,为了确定社团的最优数目,本文利用Markov状态转移矩阵及其特征系统给出了具体而严格的求解证明.最后,本文将算法应用到人工网络和实际网络中,结果显示算法不仅具有极高的准确性,还能够揭示很多有用的隐藏信息,如层次结构和社团交互模式等.