面向密文图像信息隐藏的随机插值方法

传统图像插值方法应用于密文域图像信息隐藏时会降低信息隐藏系统的安全性.为此利用随机分配插值权重的策略设计了一种密文图像随机插值方法.该方法首先生成大小为密文图像两倍的初始插值图像,对于插值图像的奇数行和奇数列像素,直接用密文图像的相应像素填充;对于其他位置的像素,先用伪随机函数生成随机值,再结合像素的具体位置来计算插值结果.实验结果表明,所提方法生成的密文图像的插值图像,其直方图近似均匀分布.对比结果显示该随机插值方法在安全性方面优于3种文献插值方法.

基于信道特征和随机插值的物理层算法

分析无线通信系统当下的安全现状及保护物理层安全的必要性,结合无线信道的密钥生成方法,提出一种基于正交频分复用(OFDM)系统并行调制特点的随机插值的物理层安全算法。该算法的核心思想是在共享密钥的控制下,通过对快速傅里叶逆变换(IFFT)后输出的数据符号进行随机插值,将原OFDM符号重构,使得非法用户难以正确解调信号,达到保护传输信息安全的目的。该算法基于物理层加密,可更好地保护空中接口和无线链路,并行加密的过程也降低了通信系统实现的复杂度。通过理论分析及仿真实验表明,新算法可有效对抗各种非法攻击,同时对通信系统的固有性能影响较小,且能较好地适应多径信道,表现出不错的抗多径衰落能力。

基于高斯一维随机插值算法的分形云建模

在Diamond-Square算法的基础上,通过构建独立平稳的随机增量过程,采用高斯一维随机插值算法进行分形云建模.依据高斯分布具有中心极限定理的意义,利用系统的伪随机序列实现了服从高斯分布的数学插值模型.为了建立过渡自然的分形云形象模型,利用分形特征参数H和σ,提出了具有简单线性关系的形象建模算法,并对相关参数进行了控制分析,从而获得了详尽而丰富的分形云效果图.

地震剖面随机分形插值方法

本文讨论了随机分形插值方法及其在地震资料处理中的应用。实验结果表明，随机分形插值方法是提高地震分辨率的简单有效方法。

随机分形插值法在地震数据处理中的应用

在本文中,作者首先对随机分形插值方法、分形、分维等进行了研究和探讨,并将该插值方法应用于实际地震资料处理中,取得了较好的效果。这表明随机分形插值方法是基于不同采样间隔、不同测网密度的地震资料插值补齐的,简单而有效的方法,值得进一步的研究与推广。

Neumann展开Monte Carlo随机无网格点插值法

用Neumann展开MonteCarlo随机无网格点插值法(NMCSMPIM)进行随机结构分析。在随机无网格点插值法(stochasticmeshlesspointinterpolationmethod,SMPIM)中,所求解问题的域由分布的节点表示;并且利用具有Delta函数性质的多项式进行节点插值,为此,很容易类似有限元法一样处理本质边界条件。同时利用Neumann展开法,建立随机结构分析的Neumann展开MonteCarlo随机无网格点插值法。数值实例表明,Neumann展开MonteCarlo随机无网格点插值法适用于材料变异系数大和要求精度高的随机结构分析。

用随机无网格点插值法分析齿轮弯曲疲劳强度的可靠性

用摄动随机无网格点插值法(PSMPIM)分析了齿轮弯曲疲劳强度的可靠性。在无网格点插值法中,所求解问题的域由分布的节点表示;并且利用具有Delta函数性质的多项式进行节点插值,为此,很容易类似有限元法一样处理本质边界条件。同时利用摄动技术,建立了随机结构分析的摄动随机无网格点插值法。并应用随机无网格点插值法分析了齿轮弯曲疲劳强度的可靠性。数值实例表明在随机结构分析与可靠性计算方面随机无网格法具有明显的优势。

基于随机分形插值实现地震道伪测井曲线反演

在随机分形理论研究的基础上,将随机分形插值用于实现地震道与测井曲线的联合反演。通过比较分析,研究并给出测井曲线随机分形插值的有效公式,探讨并框定地震道与测井曲线联合反演策略和流程,并进行实例应用分析,最终较好实现地震道的伪测井曲线反演。研究表明随机分形插值方法巧妙地将地震和测井曲线进行联合反演,利用分形参数的空间插值,试图将地震道转化为测井曲线,思路和实现策略均体现独特性,是1种适于描述纵向非均质模型的地震资料测井曲线反演方法,具有可行性和应用前景。

Taylor展开随机无网格点插值法

本文用Taylor展开随机无网格点插值法(TSMPIM)进行了随机结构分析。在无网格点插值法中,所求解问题的域由分布的节点表示;并且利用具有Delta函数性质的多项式进行节点插值,为此,很容易类似有限元法一样处理本质边界条件。同时利用Tay-lor展开法,建立了随机结构分析的Taylor展开随机无网格点插值法。数值实例表明在随机结构分析方面随机无网格法具有明显的优势。

用Taylor展开随机无网格点插值法分析齿轮的可靠性

用Taylor展开随机无网格点插值法(TSMPIM)分析了齿轮弯曲疲劳强度的可靠性。在无网格点插值法中,所求解问题的域由分布的节点表示,并且利用具有Delta函数性质的多项式进行节点插值,为此,很容易类似有限元法一样处理本质边界条件。利用Taylor展开法,建立了随机结构分析的Taylor展开随机无网格点插值法,并应用Taylor展开随机无网格点插值法分析了齿轮弯曲疲劳强度的可靠性。数值实例表明在随机结构分析与可靠性计算方面Taylor展开随机无网格点插值法具有明显的优势。

Taylor展开随机径向基点插值无网格法在随机非稳态热传导中的应用

用Taylor展开随机径向基点插值无网格法(TSRPIM)对随机温度场进行了分析.径向基点插值是一种新型的无网格法,采用耦合径向基函数和多项式基函数构造近似函数,有效地解决了点插值中系数矩阵奇异性问题,而且由于插值具有Delta函数性质,可以直接施加本质边界条件.同时利用Taylor展开法,建立了随机结构分析的Taylor展开随机径向基点插值无网格法(TSRPIM).数值实例表明在随机温度场分析方面随机无网格法具有明显的优势.

Taylor展开随机无网格点插值法在随机热传导中的应用

本文用Taylor展开随机无网格点插值法(TSPIM)对随机温度场进行了研究。随机无网格点插值法不用划分网格,而且精度高。将Taylor展开法与随机无网格点插值法相结合,得到了Taylor展开随机无网格点插值法。由数值实例说明随机无网格法在随机温度场分析方面具有明显的优势。

基于随机-关联空间插值法的工程岩体力学参数确定

岩体力学参数在空间上存在的结构关联性和随机不确定性是影响工程岩体力学参数设计取值的客观因素之一。基于地质统计学理论,提出随机-关联空间插值法,在工程岩体力学参数概率分布未知的情况下,利用样本矩替换母体矩,描述工程岩体力学参数的随机性,利用变差函数描述样本点之间、样本点和插值点之间的工程岩体力学参数关联性,建立岩体力学参数的空间分布模型,并通过克里格法对场地中的工程岩体力学参数进行空间插值。结合工程实例,在力学参数概率分布未知的情况下建立其概率分布模型;选择不同数量的有效样本对比分析该方法本身对样本数量的依赖性问题;探讨该方法的应用范围以及针对其他情况提出的相应措施,为后续研究打下基础。与试验结果对比,工程实际中3种不同样本的岩体力学参数指标相对误差分别为4.2,4.4,5.3,估值结果可作为工程设计取值的参考依据。

用Taylor展开随机无网格法分析齿轮弯曲疲劳强度的可靠性

这里用Taylor展开随机无网格点插值法(TSMPIM)分析了齿轮弯曲疲劳强度的可靠性。数值实例表明在随机结构分析与可靠性计算方面随机无网格法具有明显的优势。

面向不均衡数据集中少数类细分的过采样算法

在不均衡数据集中,少数类样本的分布相对于决策边界具有差异性,而传统的过抽样算法通常并未对差异性做不同处理。为此,提出一种面向不均衡数据集的过采样算法SD-ISMOTE。该算法根据少数类样本的k近邻分布将其细分为DANGER,AL_SAFE,SAFE 3个集合,DANGER和AL_SAFE中的样本更靠近决策边界。借助ISMOTE思想在n维球体内随机插值,扩大两类样本的过采样范围,同时引入轮盘赌选择算法进行采样选择,避免新生成的样本冗余。实验结果表明,SD-ISMOTE算法在C4.5和朴素贝叶斯分类器下的分类性能相较于Borderline-SMOTE和ISMOTE均有不同程度的提高,可有效解决数据集中样本分布不均衡的问题。

BP神经网络地下水水质评价若干问题及修正

针对BP神经网络自身缺陷，利用Levenberg-Marquardt算法改善网络训练过程，并在地下水质量标准中采用随机插值生成样本，改进了网络训练样本过少和没有测试样本的问题。对三种样本获取模式下网络的训练结果进行对比，结果表明：在直接利用地下水质量标准作为样本模式下，网络无法收敛；利用linspace函数线性内插生成样本模式下，网络虽能很快收敛，但泛化能力差；利用rand函数随机插值生成样本模式下，当最优隐含层节点数为5时，网络正常收敛，测试样本相对误差均〈2％，网络泛化能力良好，精度较高。最后应用构建的最优BP神经网络模型对廊坊地区20个监测点的水质进行评价，评价结果与模糊综合评价结果基本一致，可信度高，能够反应该区地下水水质信息，可为相关政策制定提供重要依据。

分形图产生方法研究和比较

介绍了基于L-系统的分形图形、迭代函数系统IFS方法、粒子系统模型方法和随机插值法4种分形的产生方法,讨论了它们各自的特点和适用领域,并给出各种方法的典型例证。

海量数据驱动的变压器故障类型高性能诊断方法

电力变压器故障与否直接影响电力系统运行可靠性,准确且高效的变压器故障诊断有助于及时发现电网不安全因素。文章提出一种基于海量数据驱动的优选训练样本的分布式神经网络决策变压器故障类型方法。首先通过比值法求取DGA的比值型特征向量,根据皮尔逊相关系数和欧氏距离双指标计算方法在各类别中选取更具该类代表性数据作为训练样本;再通过插值-随机抽样方法应对训练样本类间数据不平衡问题并对其进行抽样分块;为适应海量数据处理,在Spark平台上将BPNN算法并行化实现以提高算法性能表现,各BPNN学习不同训练样本块构建性能不同的子分类器;最后对子分类结果多数投票得到最终诊断类型。算例表明所提方法对变压器故障类型诊断效果良好,诊断正确率较IEC三比值法和传统串行BPNN高,证明了该方法对于变压器故障类型诊断的有效性与适用性。

基于随机森林插值的中亚夏季极端高温变化特征

利用中亚地区65个气象站的逐日最高气温数据,结合ERA-Interim再分析资料以及经纬度、海拔数据,构建了随机森林插值模型,并验证了其可靠性。基于该模型补全了气象站缺失值,获得完整的站点逐日最高气温数据集TStationf,并插值得到中亚1979—2016年空间分辨率为0.75°×0.75°的逐日最高气温格点数据集TRFIMG。基于TRFIMG进一步分析了中亚1979—2016年夏季极端高温指数时空变化特征。结果表明:中亚区域平均极端高温指数增速在0.22~0.30℃·(10a)-1,显著增温的区域主要分布在哈萨克斯坦的西部、土库曼斯坦大部、乌兹别克斯坦东南部等地区。基于TRFIMG得到的夏季极端高温指数增速显著大于基于TStationf得到的结果,这表明用站点观测数据对该地区夏季极端高温趋势的估计明显偏低。本研究得到的数据集可在一定程度上弥补使用站点观测数据片面刻画中亚地区极端高温变化的缺陷,有助于更确切地引导人们在应对极端天气气候事件时采取相应的减缓和适应措施。