Standard映射及其三维扩展在多媒体加密中的应用

混沌映射因为初值敏感性、参数敏感性、遍历性和类随机性的特点 ,很适合用于信息加密 .离散化后的混沌映射与扩散机构相结合 ,与传统的密码算法相比 ,加解密速度更快 ,能够满足实时性要求 .与Baker和Cat映射相比 ,Standard映射具有更大的密钥空间 ,更适合于信息加密 .因此将其扩展到三维空间 ,构造了基于离散Standard映射的多媒体加密方案 ,分析了Standard映射的参数敏感性 ,给出了置乱循环次数和扩散函数的选择方法 .实验结果表明 ,算法具有较高的安全性和较快的加解密速度 ,适合于多媒体数据 ,如图像、视频。

基于映射距离比离群因子的离群点检测算法

针对基于邻近性的离群点检测方法需要花费大量时间过滤正常点,并且在检测全局离群点时难以检测出局部离群点的问题,提出一种基于映射距离比离群因子离群点检测(MDROF)算法。首先,为了减少正常点在检测过程中的时间消耗,给出了差异相似度的概念,通过定义差异相似度剪枝因子过滤掉数据集中的大部分正常点。其次,定义映射k距离,通过映射距离与可达距离的比值刻画数据对象的局部离群程度,通过可达密度刻画数据对象的全局离群程度。最后,结合数据对象相互近邻点的平均排位定义映射距离比离群因子来检测离群点。在人工数据集以及真实数据集上分别对该算法与其他经典的离群点检测算法在精确率、AUC值和离群点发现曲线上进行实验对比分析。实验结果证明MDROF算法在离群点检测的准确性和稳定性上明显优于对比算法。

基于多混沌映射算法的图像可逆化加密仿真

原图像经过对矩阵元素随机打乱可得到加密图像,加密后的图像可以有效防止已知攻击。可逆映射可以高效地实现像素置乱,但由于离散混沌序列的初始条件较为敏感,因此像素扩散置乱难度较大。为此提出基于多混沌映射算法的图像可逆化加密方法,在图像加密过程中,采用扩散置乱和Arnold变换置乱图像,通过Logistic映射系统和Chen系统生成离散混沌序列,置乱后图像中红、绿、蓝三基色分别执行异或运算,从而输出加密图像。在图像解密过程中,分别对扩散置乱、Arnold变换以及图像加密执行逆映射,输出解密图像,完成图像可逆化加密。实验结果表明,所提方法密钥敏感性和原图与解密图像像素值分布更均匀、相邻像素相关性更低,鲁棒性更强。

基于增量式等距映射同双重局部密度方法的工业过程故障检测

针对工业过程的非线性和动态性问题,提出一种基于流形学习下的增量式等距映射(IISOMAP)与双重局部密度(DLD)相结合的故障检测方法(IISOMAP-DLD).利用IISOMAP将原始数据映射到低维流形特征子空间和剩余子空间;然后,在两个子空间中分别引入双重局部密度方法构建统计量对过程进行监控;最后,将IISOMAP-DLD方法应用到田纳西-伊斯曼(TE)过程.实验结果表明,IISOMAP-DLD对比其他方法有更高的故障检测率.IISOMAP在保留数据内在特征的同时,解决了过程的非线性问题,而双重局部密度方法可消除过程的动态性.

基于三维超混沌映射的图像加密及其FPGA实现

随着信息技术的不断发展,确保信息安全已成为重要问题,而图像作为被广泛使用的多媒体工具,时常面临着泄露的风险,针对该问题提出一种基于三维超混沌映射的图像加密算法。该算法首先构造一个离散三维超混沌系统,此系统相较于传统的混沌系统拥有更好的混沌特性,所生成的序列具有更强的随机性。然后在此序列的基础上对图片进行置乱和扩散:在置乱阶段,通过混沌序列对原始图片的像素点进行索引排序,实现像素置乱;在扩散阶段,使用处理后的混沌序列对置乱图像的像素值进行分层异或,实现像素扩散。软件仿真和性能分析表明,该算法具有较高的安全性和较强的抗干扰能力,最后通过FPGA硬件平台完成图像加密。整个算法包括软件仿真和硬件实现两个部分,能够有效提升学生将理论和实践相结合的能力,增强学生对非线性理论的理解。

基于流量特征重构与映射的物联网DDoS攻击单流检测方法

针对现有检测方法对物联网(IoT)分布式拒绝服务(DDoS)攻击响应速度慢、特征差异性低、检测性能差等不足,提出了一种基于流量特征重构与映射的单流检测方法(SFDTFRM)。首先,为扩充特征,使用队列按照先入先出存储定长时间跨度内接收的流量,得到队列特征矩阵。其次,针对物联网设备正常通信流量与DDoS攻击流量存在相似性的问题,提出一种与基线模型相比更加轻量化的多维重构神经网络模型与一种函数映射方法,改进模型损失函数按照相应索引重构队列定量特征矩阵,并通过函数映射方法转化为映射特征矩阵,增强包括物联网设备正常通信流量与DDoS攻击流量在内的不同类型流量之间的差异和同类型流量的相似性。最后,使用文本卷积网络、信息熵计算分别提取映射特征矩阵和队列定性特征矩阵的频率信息,得到拼接向量,丰富单条流量的特征信息并使用机器学习分类器进行DDoS攻击流量检测。在两个基准数据集上的实验结果表明,SFDTFRM能够有效检测不同类型的DDoS攻击,检测性能指标平均值与现有方法相比最多提升12.01%。

一种带高光处理的无缝纹理映射方法

纹理映射作为三维重建的重要步骤,直接关系到生成模型的视觉效果。传统的纹理映射方法通常使用简单的混合方法来获取表面纹理。通过将模型表面投影到每个纹理图像上来获取相应的纹理区域,然后将它们混合在一起以获取表面纹理。然而,由于相机位姿的不准确性,纹理映射结果存在明显的模糊和鬼影等问题。此外,在高光环境下获取的纹理图像很容易包含高光区域,最终导致纹理颜色的丢失,降低纹理的真实性。为了解决这些问题,提出了一种无缝纹理映射方法,可以有效消除高光反射。通过衡量纹理图像的质量,为每个模型表面选择最佳的纹理图像,并利用色度一致性约束优化的相机位姿以消除明显的纹理错位。针对高光问题,提出了一个高光处理模块,使用多视图图像信息并基于双色反射模型定位和处理高光纹理。最后,对纹理图进行纹理颜色一致性调整,以处理纹理之间的颜色差异。实验结果表明,与现有方法相比,提出的算法可以有效消除高光反射的影响,从而获得更好的纹理映射结果。

基于NXMCD的虚实映射实验交互系统设计与实践

该文基于数字孪生理念,结合NX MCD机电概念设计、PLC编程与控制和LabVIEW的图形化编程手段,完成了基于NX MCD的虚实映射实验交互系统设计与实践。以LabVIEW设计的UI界面为控制监测端,物理对象与MCD虚拟模型为执行端,实现了物理对象与MCD虚拟模型的虚实映射,同时MCD虚拟模型能够输出控制信号进而控制物理对象。在此基础上,设计了步进电机往复运动与MCD虚拟模型虚实映射实验案例。该实验案例可为本科生和研究生相关课程的实践教学提供虚实映射交互实验方法和手段,可显著提升学生的创新实践能力与水平,是对数字化实践教学研究的一次探索。

基于多端口参数提取和主动空间映射法的腔体滤波器设计

为提高微波腔体滤波器的设计效率,文中提出了一种基于多端口参数提取和空间映射法的滤波器快速设计方法。通过添加额外内部端口提取腔体滤波器电磁模型的Y参数,从而计算出耦合矩阵,再结合空间映射法将求解滤波器理想尺寸问题转换为逼近理想耦合矩阵问题。最后设计并加工了一款四阶同轴腔体滤波器,在初值偏差很大的情况下,经过四次迭代即可得到满足指标的滤波器物理尺寸,实物调试结果和仿真结果一致性良好,从而证明了文中方法的快捷有效。

基于数据映射和胶囊网络的轴承故障诊断方法

传统深度学习模型自适应提取振动信号故障特征,实现端到端轴承故障诊断。然而,振动监测信号为非常复杂的非稳态时序信号,若深度网络直接以原始振动信号为输入,数据之间的非线性耦合作用会极大影响模型对故障特征的提取效率。目的为降低故障信号之间强非线性耦合作用,解决卷积神经网络对空间约束信息丢失的问题,提升轴承故障诊断性能,方法本文提出一种基于数据映射和胶囊网络(capsule network,CapsNet)的轴承故障诊断方法。首先,将图像处理领域中具有细化颜色特征能力的颜色空间模型(color names,CN)引入故障数据预处理中,将原始低维空间数据映射至高维空间,提升故障数据空间区分度;其次,针对映射后数据维度较高且具有一定冗余,影响故障诊断效率的问题,引入主成分分析(principal compo⁃nent analysis,PCA)法提取故障数据主元信息,降低数据维度;最后,考虑到胶囊网络有效提取空间约束信息的能力,将CapsNet作为故障诊断的骨干网络对故障特征进行识别和分类。结果使用CWRU、XJTU-SY数据集对该方法进行验证,实验结果表明,该方法在两种数据集上故障诊断准确率均达98%以上,与其他基于深度学习的故障诊断方法进行对比,该方法的诊断性能具有一定优势。结论本文方法可对故障数据进行有效解耦,提升数据之间的空间区分度,获得较高的轴承故障诊断精度。

基于映射空间编码的高速运动轨道图像去模糊研究

针对轨道缺陷检测系统因镜头抖动或相机快速移动而导致所采集图像较为模糊的问题,提出一种基于最大后验概率估计思想的映射空间编码的高速运动轨道图像去模糊算法。首先,该算法使用深度编解码器和残差网络分别对数据集中清晰图像到模糊图像的映射关系和模糊核进行编码,为了保证编码时频率信息的完整性,算法在传统的残差模块上引入快速傅里叶变换通道构成双通道残差网络,以补偿多次特征提取带来的频率损失;其次,算法采用深度图像先验(Deep Image Prior,DIP)将潜在的清晰图像和模糊核进行参数化,再利用先验得到的模糊核和清晰图像来调用编码空间中的映射关系;最后,通过交替优化潜在的清晰图像和模糊核,从而去逼近一个真实未知的映射,进而实现真实场景下高速运动轨道图像的去模糊。实验结果表明,双通道残差模块提取的特征图频率信息分量强度普遍高于传统的残差模块,相较于使用传统残差模块实现该算法,采用双通道残差模块可使峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)提升0.84 dB,结构相似性(Structural Similarity,SSIM)提高0.025 1。与现有的深度学习去模糊算法相比,提出的去模糊算法对高速轨道检测系统所采集图像的去模糊效果更佳,在性能方面相较于最好的去模糊算法,PSNR提高了1.84 dB,SSIM提升了0.017 3,显著提升了采集图像的质量。研究结果可为下一步识别轨道部件是否存在缺陷提供清晰图像。

高速铁路桥梁结构变形与轨面几何形态的空间映射模型研究

高速铁路桥梁附加变形会导致轨面几何形态的变化,加剧列车和轨道-桥梁结构之间的动态相互作用,影响桥上行车安全性。以32 m简支梁桥-CRTSⅡ型板式无砟轨道结构为研究对象,将箱梁看作耦合板结构,选取改进傅里叶级数作为结构的试函数,通过输入梁体的附加变形值,基于势能驻值原理求解轨道各结构层的垂、横向变形函数,建立桥梁结构变形与轨面几何形态的空间映射模型。研究考虑底板脱空情况下桥梁典型横、竖向组合变形下轨面几何形态的变形规律。研究表明:空间映射模型与有限元模型得到的钢轨变形曲线吻合较好。映射模型经过少量的迭代便可以求出底板脱空的位置、幅值与面积。钢轨在梁体横、竖向组合变形下存在耦合变形效应,梁体横向转角幅值对钢轨垂向变形影响较大,并会导致左右两块底板脱空区域的范围与幅值发生相反变化趋势,进而使底板上方两侧钢轨“上翘”处以及“下凹”处最大变形值发生改变。桥墩垂向沉降值基本不会影响其钢轨横向变形。

基于全映射复合多尺度散布熵的滚动轴承故障诊断

为有效提取滚动轴承振动数据中的非平稳故障特征,将复合多尺度散布熵(CMDE)中的不同映射方式进行集成,形成了一种新的测量轴承振动信号复杂度和自相似度的方法,即全映射复合多尺度散布熵(FCMDE)。在此基础上,提出了基于FCMDE和k近邻(KNN)的滚动轴承故障诊断方法,利用FCMDE计算轴承振动信号的熵值并提取轴承的故障特征,将高维故障特征输入KNN分类器中进行滚动轴承的故障识别,采用西储大学和江南大学轴承数据集的验证结果表明,FCMDE方法能够有效识别滚动轴承的故障类型,准确率分别达到了100%和95.83%。

情感映射与涌现路径:青少年网络社交焦虑的智能识别——基于微博文本的计算扎根实证

微博文本是青少年社交心理的情感映射,计算扎根为青少年网络社交焦虑的智能识别提供了研究新视角。本文以半结构访谈法采集青少年网络社交焦虑的文本标本,借助StructBERT模型和TF-IDF算法采集微博平台的青少年网络社交焦虑文本,通过计算扎根探讨青少年网络社交焦虑的情感映射与涌现路径。研究发现,社交文本对青少年网络社交焦虑的情感映射呈现共性特征,且存在对类型与程度的颗粒映射,类型与场景存在较高的匹配关系,其涌现路径体现出青少年网络社交焦虑的场景、行为和应对已构成内在闭环。研究揭示了青少年网络社交焦虑的生成图景与智能识别路径,为青少年网络社交焦虑的智能干预提供了启示与借鉴。

复谱映射下融合高效Transformer的语音增强方法

针对卷积神经网络(Convolutional Neural Network,CNN)过去在语音增强中表现优异但对全局特征捕获不足,以及Transformer近年展现出长序列间依赖优势但又存在局部细节特征丢失、参数量大等问题,该文为了充分利用CNN与Transformer的优势并弥补各自不足,提出了一种在复频谱映射下的新型卷积模块与高效Transformer融合的单通道语音增强网络。该网络由编码层、传输层与双分支解码层组成:在编解码部分设计了一种协作学习模块(Collaborative Learning Block,CLB)来监督交互信息,在减少参数量的同时提高主干网络对复特征的获取能力;传输层中则提出一种时频空间注意Transformer模块分别对语音子频带和全频带信息建模,充分利用声学特性来模拟局部频谱模式并捕获谐波间依赖关系。将该模块进一步与通道注意分支相结合,设计了一种可学习的双分支注意融合(Dual-branch Attention Fusion,DAF)机制,从空间-通道角度提取上下文特征以加强信息的多维度传输;最后,在此基础上搭建一种高斯加权渐进网络作为中间传输层,通过堆叠DAF模块进行加权求和后输出以充分利用深层特征,使得解码过程更具鲁棒性。分别在英文VoiceBank-DEMAND数据集、中文THCHS30语料库与115种环境噪声下进行消融以及综合对比实验,结果表明,该文方法仅以最小0.68×10^(6)的参数量,相比于大部分最新相关网络模型取得了更优的主、客观指标,具有较为突出的增强性能与泛化能力。

空调冷凝器管道激光超声导波跨能量层级映射迁移检测方法

空调冷凝器是空调设备的关键部件,其弯管连接部位由于损伤类型多和几何形状复杂等原因造成传统接触式损伤检测手段难以应用,本文提出一种基于能量映射迁移网络的非接触式激光超声导波无损检测方法。首先,通过小波分解提取烧蚀信号和热弹信号的概貌波形,设计自编码能量映射函数将热弹信号特征空间映射到烧蚀信号特征空间,获得更接近烧蚀信号特征的映射热弹信号。其次,通过能量映射迁移网络对齐映射热弹信号和烧蚀信号特征空间,将网络模型中的域转换误差和样本标签误差之和用作特征空间对齐误差值。最后,对空调冷凝器泄漏、分层和裂纹等损伤进行检测实验验证所提新方法性能,结果表明其损伤识别精度为93.09%,比传统激光热弹激励检测方法提高了7.23%。

改进量子位初始映射的综合SWAP优化策略

在嘈杂的中尺度量子时代,传统的初始映射策略忽略了后续操作中可能出现的邻接性的问题。针对这一挑战,综合考虑量子比特间的距离、交互时间和门操作的错误率,设计了一个多因素交互成本函数,并提出综合SWAP优化策略(comprehensive SWAP optimization strategy,CSOS)。该策略包括最佳SWAP选择和基于SWAP的批量更新策略,用于优化量子电路的局部量子位映射。最佳SWAP选择通过对比SWAP操作的效益,选择最佳收益的SWAP门;批量更新策略在映射阶段考虑即将执行的量子操作序列,预先执行批量的SWAP操作。二者综合可以减少整个电路执行过程中的SWAP数量,以最大程度减少映射开销。实验结果显示,CSOS优化方式可以平均减少38.1%的插入SWAP门数量,并降低约12%的硬件门计数开销。

联合吸收马尔可夫链和骨架映射的视频分割

因严重遮挡和剧烈形变等挑战长期共存,精准鲁棒的视频分割已成为计算机视觉的热点之一.构建联合吸收马尔可夫链和骨架映射的视频分割方法,经由“预分割—后优化—再提升”逐步递进地生成精准目标轮廓.在预分割阶段,基于孪生网络和区域生成网络获取目标感兴趣区域,建立这些区域内超像素的吸收马尔可夫链,计算出超像素的前景/背景标签.吸收马尔可夫链可灵活有效地感知和传播目标特征,能从复杂场景初步预分割出目标物体.后优化阶段,设计短期时空线索模型和长期时空线索模型,以获取目标的短期变化规律和长期稳定特征,进而优化超像素标签,降低相似物体和噪声带来的误差.在再提升阶段,为减少优化结果的边缘毛刺和不连贯,基于超像素标签和位置,提出前景骨架和背景骨架的自动生成算法,并构建基于编解码的骨架映射网络,以学习出像素级目标轮廓,最终得到精准视频分割结果.标准数据集的大量实验表明:所提方法优于现有主流视频分割方法,能够产生具有更高区域相似度和轮廓精准度的分割结果.

变分不等式解集和半压缩映射有限族公共不动点集的公共元的强收敛定理

在Hilbert空间中,针对变分不等式问题和不动点问题的公共元,构造了一种惯性黏性迭代算法。在适当条件下,采用映射半闭定义和投影算子技巧,证明了所构造算法产生的迭代序列强收敛于伪单调变分不等式解集和半压缩映射有限族公共不动点集的公共元。数值实验结果说明了该算法的有效性。所得结果改进和推广了已有文献的一些结果。

基于体素症状病变映射方法对急性脑卒中后疲劳症状的研究

目的旨在确定急性脑卒中患者中功能性脑损伤与卒中后疲劳(PSF)的相关。方法回顾性分析2019年1月至2022年6月中国科学技术大学附属第一医院(安徽省立医院)连续收治的首次急性缺血性脑卒中患者的临床资料。卒中后疲劳评分采用疲劳严重程度量表进行评分。所有参与者均由3位高年资神经内科医师进行评估。患者均进行3.0T磁共振全脑扫描,包括弥散加权成像。人工勾画脑梗死病变区域,制作成相应图像模板。采用基于体素病变症状映射图谱(VLSM)来研究病变的位置与卒中后疲劳的发生和严重程度之间的关系。通过翻转对侧病变,也进行同样的分析,并且采用多变量逻辑回归分析来验证功能性脑损伤和PSF的相关性。结果在361例急性卒中患者中,142例(39.3%)患者在急性期被诊断为疲劳,116例(35.8%)患者在卒中后6个月随诊时被诊断为疲劳。VLSM分析显示,在6个月的随访中,右侧丘脑的聚集性病变与PSF的发生和严重程度显著相关(P<0.05)。与对侧病灶翻转分析相比,在卒中的急性期没有发现明显的聚集性疾病。翻转分析结果无统计学意义(P=0.311)。多变量逻辑回归证实,右丘脑病变负荷(OR=2.67,95%CI 1.46~4.88)是6个月PSF的预测因素。结论右侧丘脑病变增加了卒中6个月后出现卒中后疲劳症状的风险。