不规则条带装箱问题是切分与布局问题的子问题,且在工业制造领域中尤为常见.该文针对2维不规则单箱装箱问题(two-dimensional irregular single bin size bin packing problem)中的特殊变种条带装箱问题,提出结合闵可夫斯基和(即闵可夫...不规则条带装箱问题是切分与布局问题的子问题,且在工业制造领域中尤为常见.该文针对2维不规则单箱装箱问题(two-dimensional irregular single bin size bin packing problem)中的特殊变种条带装箱问题,提出结合闵可夫斯基和(即闵可夫斯基加法)与遗传算法的综合求解的算法,其中遗传算法在优化算法中起到整体框架的作用,并在通过闵可夫斯基和寻找到候选放置位置后使用启发式的方法进行放置,同时讨论了在特定情况下该算法与传统优化方法的对比效果.在实际数据测试(50块数据集)中,较成熟的商业软件SVGnest得到的最终面积利用率为78.94%,应用该文的启发式算法,最终面积实用率提升到81.2%.展开更多
针对传统隐私保护机器学习方案抵抗对抗攻击能力较弱的特点,提出一种基于格雷码置乱和分块混沌置乱的医学影像加密方案(Gray+block chaotic scrambling optimized for medical image encryption,GBCS),并应用于隐私保护的分类挖掘。首...针对传统隐私保护机器学习方案抵抗对抗攻击能力较弱的特点,提出一种基于格雷码置乱和分块混沌置乱的医学影像加密方案(Gray+block chaotic scrambling optimized for medical image encryption,GBCS),并应用于隐私保护的分类挖掘。首先对图像进行位平面切割;然后,对图像不同位平面进行格雷码置乱后再进行分块,在分块的基础上分别进行混沌加密;最后通过深度网络对加密后的图像进行分类学习。通过在公开乳腺癌和青光眼数据集上进行交叉验证仿真实验,对GBCS的隐私保护与分类性能进行量化分析,并从图像直方图、信息熵和对抗攻击能力等指标考虑其安全性。实验结果表明医学图像在GBCS加密前后的性能差距在可接受范围内,方案能更好地平衡性能与隐私保护的矛盾,能有效抵御对抗样本的攻击,验证了本文方法的有效性。展开更多
文摘不规则条带装箱问题是切分与布局问题的子问题,且在工业制造领域中尤为常见.该文针对2维不规则单箱装箱问题(two-dimensional irregular single bin size bin packing problem)中的特殊变种条带装箱问题,提出结合闵可夫斯基和(即闵可夫斯基加法)与遗传算法的综合求解的算法,其中遗传算法在优化算法中起到整体框架的作用,并在通过闵可夫斯基和寻找到候选放置位置后使用启发式的方法进行放置,同时讨论了在特定情况下该算法与传统优化方法的对比效果.在实际数据测试(50块数据集)中,较成熟的商业软件SVGnest得到的最终面积利用率为78.94%,应用该文的启发式算法,最终面积实用率提升到81.2%.
文摘针对传统隐私保护机器学习方案抵抗对抗攻击能力较弱的特点,提出一种基于格雷码置乱和分块混沌置乱的医学影像加密方案(Gray+block chaotic scrambling optimized for medical image encryption,GBCS),并应用于隐私保护的分类挖掘。首先对图像进行位平面切割;然后,对图像不同位平面进行格雷码置乱后再进行分块,在分块的基础上分别进行混沌加密;最后通过深度网络对加密后的图像进行分类学习。通过在公开乳腺癌和青光眼数据集上进行交叉验证仿真实验,对GBCS的隐私保护与分类性能进行量化分析,并从图像直方图、信息熵和对抗攻击能力等指标考虑其安全性。实验结果表明医学图像在GBCS加密前后的性能差距在可接受范围内,方案能更好地平衡性能与隐私保护的矛盾,能有效抵御对抗样本的攻击,验证了本文方法的有效性。
