题名 欧洲21世纪数据加密标准候选算法简评
被引量：11
1
作者
吴文玲 贺也平 冯登国 卿斯汉
机构
中国科学院软件研究所信息安全国家重点实验室 中国科学院信息安全技术工程研究中心
出处
《软件学报》
EI
CSCD
北大核心
2001年第1期49-55,共7页
基金
国家重点基础研究发展规划资助项目! (G19990 35 80 2 ) 国家自然科学基金资助项目! (6 0 0 830 0 7)
文摘
简要介绍了欧洲 NESSIE( new European schemes for signatures,integrity,and encryption)大计划最近公布的 17个分组密码算法的基本设计思想、最新分析结果及其有效性 .
关键词
数据加密标准 候选算法 分组密码 轮函数 S-盒 信息安全
Keywords
AES (advanced encryption standard) NESSIE (new European schemes for signatures, integrity, and encryption) encryption decryption key
分类号
TP309.7
[自动化与计算机技术—计算机系统结构]
题名 基于候选点集算法的应急设施网络布局优化
被引量：2
2
作者
魏强 涂子学 周静生 周嘉男
机构
西南交通大学交通运输与物流学院
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2012年第9期172-176,共5页
基金
四川省科技支撑计划资助项目(2011FZ0050)
文摘
为解决应急管理系统中的应急设施最优选址问题,提出在覆盖所有需求点前提下以应急设施数目最少为目标的选址模型。从网络选址的角度出发,基于集合覆盖优化应急设施在网络上的布局,使其决策空间不再局限于离散点集。针对决策空间连续性给问题求解带来的困难,利用候选点集算法通过求解可能的有效路径集将连续解空间离散化,极大地缩小问题的解空间,将此网络设计问题转换为0-1整数规划问题进行求解。将候选点集算法应用于实例分析中,求得该区应急服务设施数量及其位置。
关键词
应急设施 网络选址 集合覆盖 候选 点集算法 布局优化
Keywords
emergency facility network location set covering candidate sites algorithm
分类号
X913.1
[环境科学与工程—安全科学]
题名 ABDARDSS中基于候选消除学习算法的知识推理
被引量：1
3
作者
李曙林 李寿安 薛锐
机构
空军工程大学工程学院
出处
《火力与指挥控制》
CSCD
北大核心
2006年第2期9-11,共3页
基金
武器装备科研基金资助项目
文摘
飞机战伤评估和修理的知识表示与推理机制,是建立飞机战伤评估与修理决策支持系统(ABDARDSS)需要解决的一个关键问题。采用一种候选消除算法来提取战伤评估与修理样本数据的变型空间,以变型空间实现战伤评估与修理决策支持系统中的知识表示和推理。对于ABDARDSS来说,候选消除学习算法是一种新的有效的知识推理方法。
关键词
飞机战伤评估与修理 决策支持系统 知识推理 候选 消除算法 变型空间
Keywords
ABDAR, decision support system, knowledge reasoning, candidate-elmination, versionspace
分类号
V21
[航空宇航科学与技术—航空宇航推进理论与工程]
题名 基于候选聚类的K调和均值算法(KHM-CC)
被引量：1
4
作者
陈改霞 王建平
机构
鹤壁汽车工程职业学院 河南科技学院信息工程学院
出处
《火力与指挥控制》
CSCD
北大核心
2016年第1期48-52,共5页
基金
国家自然科学基金(31371525) 河南省教育厅科学技术研究重点基金(14A520067) +3 种基金 河南省教育厅人文社会科学研究基金(2014-GH-245) 河南省信息技术教育研究重点基金(ITE12037) 2014年度新乡市科技发展计划基金(14GY23) 2014年度河南科技学院教育教学改革研究重点基金资助项目(2014PUZD08)
文摘
聚类分析是常见的数据分析技术。基于KHM的聚类分析是当前研究的热点。提出了基于候选聚类的KHM算法(KHM-CC),详细阐述了算法的设计过程。采用UCI的小样本(iris)数据集和大样本(Bag of Words)数据集对比了KHM-CC算法和禁忌搜索KHM算法(KHM-TS)和变邻域搜索KHM算法(KHM-VNS)的性能。实验结果表明,KHM-CC算法在处理iris数据集小样本数据集时,其性能和KHM-VNS算法基本接近,而优于KHM-TS算法。但是在处理Bag of Words大样本数据集时,性能优于KHM-VNS和KHM-TS算法,其聚类计算耗时明显缩短,证实KHM-CC算法在高维度数据集的处理上更具优势。
关键词
聚类分析 数据分析 候选 聚类KHM算法 (KHM-CC)禁忌搜索KHM算法 (KHM书) 变邻域搜索KHM算法 (KHM-VNS)
Keywords
clustering analysis, data analysis, KHM-CC, KHM-TS, KHM-VNS
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 改进RRPN模型的遥感图像目标检测
5
作者
鲁晓波 郭艳光 辛春花
机构
内蒙古农业大学计算机技术与信息管理系
出处
《现代电子技术》
北大核心
2025年第1期8-16,共9页
基金
国家自然科学基金项目(31960361)。
文摘
针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特征得到了有效融合;其次,在特征提取网络中添加了通道和空间相融合的注意力机制(CBAM),提升了模型在遥感图像目标特征提取方面的跨通道和空间处理能力;此外,将剔除重叠建议框时的原始NMS算法优化为DIoUNMS算法,综合考虑遥感图像候选框之间的重叠度、距离、尺度大小等因素,使目标框的回归过程更加稳定。对比实验与消融实验显示,所提方法在公共数据集DOTA和HRSC2016上获得的平均精度均值mAP分别可高达77.30%、90.24%,较原始RRPN模型分别提高了8.29%、11.16%,且优于其他几种较新的经典模型,表明所提方法对于复杂环境下的遥感图像目标检测是合理且有效的。
关键词
目标检测 遥感图像 带旋转的候选 框算法 卷积通道注意力模块 DIoU-NMS 特征金字塔 DOTA HRSC2016数据集
Keywords
object detection remote sensing image RRPN CBAM DIoU-NMS FPN DOTA HRSC2016 dataset
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于Luffa杂凑函数的旋转攻击
6
作者
李云强 赵土华 曹进克
机构
信息工程大学密码工程学院 信息工程大学科研部
出处
《计算机应用研究》
CSCD
北大核心
2013年第12期3807-3809,3869,共4页
文摘
针对Luffa杂凑函数抗旋转攻击的能力进行了研究,通过分析Luffa置换的特点,定义了针对Luffa置换的旋转对,给出了基本字变换对旋转关系的影响,证明了"与"和"或"运算对旋转关系影响的等效性,提出了缩减轮Luffa置换与随机置换的区分算法。理论分析和实验结果均表明,3轮Luffa置换难以抵抗旋转攻击,攻击的计算复杂度仅为216。
关键词
Luffa杂凑函数 SHA3候选算法 旋转攻击 区分攻击
Keywords
Luffa hash function SHA3 candidate algorithms rotational attack distinguisher attack
分类号
TP309
[自动化与计算机技术—计算机系统结构]
题名 DCsR:一种面向中文文本的集成式纠错框架
7
作者
曹军航 黄瑞章 白瑞娜 赵建辉
机构
公共大数据国家重点实验室 贵州大学计算机科学与技术学院
出处
《计算机工程与科学》
CSCD
北大核心
2023年第2期370-380,共11页
文摘
中文文本纠错技术在自然语言处理中有着非常重要的应用。针对书写灵活多变的中文文本,现有的纠错模型无法覆盖多种错误类型且存在从候选集合TOPK中挑选TOP1时出错概率极大的问题。提出了一种面向中文文本的集成式纠错框架——DCsR,摒弃以往建立在已知错误类型的假设上利用单一模型进行纠错的解决方案,根据不同场景选择添加多种表现优异的纠错模型分别进行纠错再集成召回更全面的候选集,同时根据自定义特征的重要程度建立了一个多策略、可拓展的候选排序算法,以挑选更具有公信力的修正结果。DCsR框架有效地解决了模型的偏向性问题,进一步全面提升了对中文文本拼写纠错的能力。实验结果表明,在公开数据集SIGHAN15上,对比现在的主流纠错模型,使用DCsR框架进行纠错的F1值比表现最优的单模型纠错高出了3.93%,进一步提升了对中文文本的纠错能力。针对CGED2020进行的消融实验也表明了DCsR框架的有效性。
关键词
中文文本纠错 DCsR框架 集成式纠错 特征重要程度 候选 排序算法
Keywords
Chinese text error correction DCsR framework integrated error correction feature importance candidate sorting algorithm
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
