高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
排序:
相关度
发表时间
每页显示:
10
20
30
50
Whitenoise密码Wu破译方法的分析与改进
金晨辉, 张斌, 张远洋
2006, 28(8): 1530-1532.  刊出日期:2006-08-19
关键词: Whitenoise序列密码;密码分析;预测攻击;等效密钥
Whitenoise是由BSB Utilities公司提出的一个序列密码算法。Wu在2003年8月巧妙地给出了破译Whitenoise算法的一个解方程组方法。该文对Wu的破译算法进行了深入分析, 证明了Wu方法的两个基本假设是错误的, 因而Wu的方法不可能求出正确密钥。此外, 该文还对Wu的破译方法进行了改进, 给出了求解Whitenoise密码的秘密整数和秘密素数的方法, 并给出了对Whitenoise密码的一个预测攻击方法, 利用该方法可由其前80445个乱数求出其任一时刻的乱数。此外, 该文还给出了求出其全部秘密要素的一个思路。
基于监督学习的Takagi Sugeno Kang模糊系统图像融合方法研究
李奕, 吴小俊
2014, 36(5): 1126-1132. doi: 10.3724/SP.J.1146.2013.00400  刊出日期:2014-05-19
关键词: 图像融合, 监督学习, Takagi Sugeno Kang(TSK)模糊系统
该文针对图像融合领域内难于对先验知识加以利用的问题提出一种新的有监督学习的Takagi Sugeno Kang (TSK)模糊系统图像融合方法。该方法通过引入TSK模糊系统构建标准图像融合图像库进行学习,将学习准则记录下来形成融合模型,并指导新的图像融合过程。不同于传统方法,该方法可以有效地避免模型参数择优的难题,在融合图像质量和适用范围方面表现出一定的优势。从单一类型图像融合和多种类型图像融合两个角度进行了实验研究,实验结果说明该方法的有效性。
电磁导弹系统
詹军, 李孝勖
1988, 10(2): 127-136.  刊出日期:1988-03-19
关键词: 电磁导弹; 频谱渐近条件; 瞬态场
本文发展了T.T.Wu教授(1985)提出的电磁导弹理论,总结出能产生电磁导弹效应的激励信号频谱渐近条件,提出了几种可能的电磁导弹系统。
对两个可转变认证加密方案的分析和改进
张串绒, 傅晓彤, 肖国镇
2006, 28(1): 151-153.  刊出日期:2006-01-19
关键词: 认证加密;签名;公开验证;机密性
该文对可转变认证加密进行了研究,指出了Wu-Hsu(2002)方案和Huang-Chang(2003)方案中存在的问题,分别给出了这两个方案的改进方案,很好地解决了认证加密方案的公开验证问题。
长度为pm的离散哈脱莱变换分离基算法
茅一民
1990, 12(6): 584-592.  刊出日期:1990-11-19
关键词: 正交变换; 离散哈脱莱变换; 分离基算法
Soo-Chang Pei,Ja-Ling wu(1986)和茅一民(1987)提出了长度为2m的分离基2/4哈脱莱变换算法。本文将分离基算法推广到长度为pm的哈脱莱变换,并证明基p2算法实乘次数比基p算法少,而基p/p2算法实乘次数比前两者都少。作为例子,给出了长度为N=3m的基3/9哈脱莱变换快速算法和流图。
低速率WI编码器中4~6bit基音量化算法研究
罗亚飞, 鲍长春
2007, 29(11): 2669-2671. doi: 10.3724/SP.J.1146.2006.00604  刊出日期:2007-11-19
关键词: 语音编码;基音量化;波形内插
基音在语音编码中通常采用7bit无失真均匀量化。由于浊音段语音的基音普遍具有缓慢渐变的特点,为了更有效地去除前后帧基音之间存在的相关性,该文基于Eriksson和Kang提出的4bit基音量化算法,针对汉语语音进行研究,实现了一套4~6bit基音量化算法。该算法计算简单,无需码书存储。将此基音量化方案应用于WI模型和WI编码器,主观A/B听力测试结果表明,该方案在高效量化基音的同时保证了合成语音质量几乎没有损失,完全满足低速率WI编码器对量化基音的要求。
基于模糊子空间聚类的〇阶L2型TSK模糊系统
邓赵红, 张江滨, 蒋亦樟, 史荧中, 王士同
2015, 37(9): 2082-2088. doi: 10.11999/JEIT150074  刊出日期:2015-09-19
关键词: Takagi-Sugeno-Kang(TSK)模糊系统, 医疗诊断, 解释性, 高维数据
经典数据驱动型TSK(Takagi-Sugeno-Kang)模糊系统在获取模糊规则时,会考虑数据的所有特征空间,其带来一个重要缺陷:如果数据的特征空间维数过高,则系统获取的模糊规则繁杂,使系统复杂度增加而导致解释性下降。该文针对此缺陷,探讨了一种基于模糊子空间聚类的〇阶L2型TSK模糊系统(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)构建新方法。新方法构建的模糊系统不仅能缩减模糊规则前件的特征空间,而且获取的模糊规则可对应于不同的特征子空间,从而具有更接近人类思维的推理机制。模拟和真实数据集上的建模结果表明,新方法增强了面对高维数据所建模型的解释性,同时所建模型得到了较之于一些经典方法更好或可比较的泛化性能。