检索结果-维普期刊中文期刊服务平台

马步哈密顿圈(骑士巡游)在图像置乱加密方法上的应用被引量：11: 1; 作者雷仲魁孙秋艳宁宣熙《小型微型计算机系统》 CSCD 北大核心 2010年第5期984-989,共6页; 基于骑士巡游变换的置乱算法是目前图像加密方法研究的热点,它的密钥量大,安全性高,但传统日字形马步(1,2)的置乱只能隐藏图像的细节.为了克服此缺点,提出基于骑士巡游变换的改进置乱算法.包括(1)基于骑士巡游类生矩阵的图像置乱方法;(2... 展开更多; 关键词图像置乱加密方法骑士巡游变换马步哈密顿圈算法; 在线阅读下载PDF 职称材料

应用多模算法的纯方位被动定位被引量：1: 2; 作者芮国胜侯代文 +1 位作者朱兆达康锡章《信号处理》 CSCD 2003年第3期278-280,共3页; 在被动定位中,初始状态值不能精确得到,其设定误差一般较大,从而影响滤波收敛速度和精度。为解决这一问题,采用了多模型滤波方法,多个滤波器分别在不同的初始条件下同时滤波,实时计算各滤波器的加权值,然后进行数据互联。理论分析和仿... 展开更多; 关键词多模算法电子对抗状态估计器纯方位被动定位军事电子系统; 在线阅读下载PDF 职称材料

初始权值优化技术在SOM网络中的应用被引量：1: 3; 作者彭雅琴陈俊宫宁生《计算机工程与设计》 CSCD 北大核心 2008年第23期6064-6065,6068,共3页; SOM网络是一种无导师学习方法,被广泛应用于各个领域。网络的性能受很多因素影响,如样本的选择、网络结构、初始权值的选定等。针对网络初始权值选取的不确定性问题,提出了覆盖权值初始化方法来优化SOM网络的初始权值:该方法从样本入手... 展开更多; 关键词权值优化 SOM网络样本分布归一化方法权值分布; 在线阅读下载PDF 职称材料

基于遗传算法的核函数可调SOM方法被引量：1: 4; 作者陈俊彭雅琴宫宁生《计算机工程与设计》 CSCD 北大核心 2009年第1期188-190,共3页; 自组织映射(SOM)算法是一种无导师学习方法,当学习样本分布呈多态形式,具有高度非线性时,该算法显示出较差的鲁棒性和可靠性。基于核函数的学习是通过核函数实现一个从低维输入空间到高维特征空间的映射,从而使输入空间中复杂的样本结... 展开更多; 关键词自组织映射无导师核函数可调遗传算法; 在线阅读下载PDF 职称材料

题名马步哈密顿圈(骑士巡游)在图像置乱加密方法上的应用被引量：11: 1; 作者雷仲魁孙秋艳宁宣熙; 机构南京航空航天大学信息科学与工程学院南京航空航天大学经济与管理学院; 出处《小型微型计算机系统》 CSCD 北大核心 2010年第5期984-989,共6页; 基金国家自然科学基金项目(70571037)资助; 文摘基于骑士巡游变换的置乱算法是目前图像加密方法研究的热点,它的密钥量大,安全性高,但传统日字形马步(1,2)的置乱只能隐藏图像的细节.为了克服此缺点,提出基于骑士巡游变换的改进置乱算法.包括(1)基于骑士巡游类生矩阵的图像置乱方法;(2)分块分层的置乱算法;(3)将骑士巡游变换和Arnold变换结合的一种复合置乱算法.这些改进置乱算法,扩大了密钥库,增强了置乱的效果.文中给出这几种改进算法的实际应用效果.; 关键词图像置乱加密方法骑士巡游变换马步哈密顿圈算法; Keywords image scrambling algorithm knight-tour transform knight-tour; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名应用多模算法的纯方位被动定位被引量：1: 2; 作者芮国胜侯代文朱兆达康锡章; 机构南京航空航天大学信息科学与工程学院海军航空工程学院电子工程系; 出处《信号处理》 CSCD 2003年第3期278-280,共3页; 文摘在被动定位中,初始状态值不能精确得到,其设定误差一般较大,从而影响滤波收敛速度和精度。为解决这一问题,采用了多模型滤波方法,多个滤波器分别在不同的初始条件下同时滤波,实时计算各滤波器的加权值,然后进行数据互联。理论分析和仿真结果表明,应用这一方法,收敛速度和精度得到改善,提高了算法的适应性。; 关键词多模算法电子对抗状态估计器纯方位被动定位军事电子系统; Keywords passive location , multiple model kalman filter; 分类号 TN97 [电子电信—信号与信息处理] E919 [军事]; 在线阅读下载PDF 职称材料

题名初始权值优化技术在SOM网络中的应用被引量：1: 3; 作者彭雅琴陈俊宫宁生; 机构南京工业大学信息科学与工程学院南京航空航天大学信息科学与工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2008年第23期6064-6065,6068,共3页; 文摘 SOM网络是一种无导师学习方法,被广泛应用于各个领域。网络的性能受很多因素影响,如样本的选择、网络结构、初始权值的选定等。针对网络初始权值选取的不确定性问题,提出了覆盖权值初始化方法来优化SOM网络的初始权值:该方法从样本入手,并通过"覆盖"方法得出初始权值,仿真实验结果证明了此方法能有效的提高网络的识别率和稳定性。; 关键词权值优化 SOM网络样本分布归一化方法权值分布; Keywords weight optimization SOM network samples distributing normalization method weight distributing; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于遗传算法的核函数可调SOM方法被引量：1: 4; 作者陈俊彭雅琴宫宁生; 机构南京工业大学信息科学与工程学院南京航空航天大学信息科学与工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2009年第1期188-190,共3页; 文摘自组织映射(SOM)算法是一种无导师学习方法,当学习样本分布呈多态形式,具有高度非线性时,该算法显示出较差的鲁棒性和可靠性。基于核函数的学习是通过核函数实现一个从低维输入空间到高维特征空间的映射,从而使输入空间中复杂的样本结构在特征空间中变得简单。但是针对不同的数据集,各种核函数的分类效果不同,所以核函数选择是问题依赖的。采用核函数可调的方法,基于SOM网络结构,通过学习,采用遗传算法(GA)调整系数,能得到比单个核函数分类效果更好的结果。; 关键词自组织映射无导师核函数可调遗传算法; Keywords self-organizingmaps unsupervise kernel function tunable genetic algorithm; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料