期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
直觉模糊序信息系统的变精度与程度“逻辑差”粗糙集 被引量:1
1
作者 李志明 唐永中 《计算机科学与探索》 CSCD 北大核心 2017年第2期333-340,共8页
将直觉模糊集合中元素的隶属度、非隶属度和犹豫度充分地结合起来,在直觉模糊信息系统中定义了二次加权得分函数。基于此得分函数定义了直觉模糊信息系统中的优势关系,进一步地,通过"逻辑差"的方式将变精度粗糙集和程度粗糙... 将直觉模糊集合中元素的隶属度、非隶属度和犹豫度充分地结合起来,在直觉模糊信息系统中定义了二次加权得分函数。基于此得分函数定义了直觉模糊信息系统中的优势关系,进一步地,通过"逻辑差"的方式将变精度粗糙集和程度粗糙集结合起来,提出了变精度与程度"逻辑差"粗糙集模型,并研究了其相关性质,发现"逻辑差"组合能够同时考虑变精度和程度的双重量化信息。最后,通过实例分析,进一步体现了研究意义,为直觉模糊序信息系统的知识发现提供了理论基础。 展开更多
关键词 变精度粗糙集 程度粗糙集 逻辑差 直觉模糊序信息系统
在线阅读 下载PDF
基于欧式距离的AES 算法模板攻击 被引量:20
2
作者 李志明 唐永中 《计算机工程与应用》 CSCD 北大核心 2022年第2期110-115,共6页
针对AES算法Cache计时模板攻击时会触发大量的Cache失效,容易被硬件计数器检测出来的问题,基于Flush+Flush攻击模型,提出一种基于欧氏距离的AES算法模板攻击方法,以减少触发Cache失效的次数,使攻击更加隐蔽。使用Flush+Flush攻击模型获... 针对AES算法Cache计时模板攻击时会触发大量的Cache失效,容易被硬件计数器检测出来的问题,基于Flush+Flush攻击模型,提出一种基于欧氏距离的AES算法模板攻击方法,以减少触发Cache失效的次数,使攻击更加隐蔽。使用Flush+Flush攻击模型获取AES算法在内存中映射的位置;利用已知明文攻击不断地触发密码进程,通过该模型建立每一个密钥的模板;利用Flush+Flush攻击模型获取真实情况下的Cache计时信息,通过计算计时信息与每一个密钥模板之间的欧式距离推算密钥。通过实验验证,以OpenSSL库中的AES算法快速实现为攻击对象,攻击模型能准确地获取AES算法密钥,并与Flush+Reload攻击模型相比较,触发的Cache失效次数仅为Flush+Reload攻击模型的17%。 展开更多
关键词 Flush+Flush攻击模型 模板攻击 AES算法 CACHE 欧氏距离
在线阅读 下载PDF
基于差分算法的无线传感器网络路由分簇协议 被引量:5
3
作者 李志明 唐永中 《计算机应用与软件》 2017年第1期133-136,169,共5页
针对异构无线传感器网络分簇路由协议存在节点能耗不均衡问题,提出一种基于差分进化算法的路由协议及基于节点能耗的分簇协议。该协议首先以最大化网络中簇头节点的最小生存周期为目标,建立函数优化模型,并采用差分进化算法对其进行优化... 针对异构无线传感器网络分簇路由协议存在节点能耗不均衡问题,提出一种基于差分进化算法的路由协议及基于节点能耗的分簇协议。该协议首先以最大化网络中簇头节点的最小生存周期为目标,建立函数优化模型,并采用差分进化算法对其进行优化,从而延长网络整体的生存周期;然后根据节点通信列表中的簇头数目进行分簇,将节点分配给能耗因子较低的簇头,以达到均衡网络能耗的目的,延长普通节点的生存周期。仿真结果表明,基于差分的路由分簇协议能有效均衡网络中节点的能量消耗,显著延长网络的生存周期并提高网络能量利用率。 展开更多
关键词 异构无线传感器网络 路由 分簇 差分算法
在线阅读 下载PDF
基于预测双反馈的3D打印机温度优化控制 被引量:4
4
作者 张蕾 廖绍雯 《计算机工程与设计》 北大核心 2021年第7期2094-2100,F0003,共8页
针对FDM型3D打印机喷头温度控制系统的非线性、大滞后等特点,传统PID控制难以满足实际的性能要求。为提高控制系统性能,提出预测模型双反馈变论域分形模糊分数阶PID控制器。分数阶PID控制为系统提供更多的控制余度;变论域模糊控制的论... 针对FDM型3D打印机喷头温度控制系统的非线性、大滞后等特点,传统PID控制难以满足实际的性能要求。为提高控制系统性能,提出预测模型双反馈变论域分形模糊分数阶PID控制器。分数阶PID控制为系统提供更多的控制余度;变论域模糊控制的论域能够随着误差的变化而变化,实现不同时刻选择不同论域的模糊规则;短反馈算法的引入能够构成双层反馈控制,实现对喷头温度的快速、精准控制;系统反馈环节建立预测模型,实现更加精确的控制。针对变论域模糊分数阶PID控制器中参数选择,提出一种改进的鲸鱼算法进行参数优化,增强控制器的自适应能力。仿真结果表明,改进鲸鱼优化算法的预测模型双反馈变论域模糊分数阶PID控制的喷头温度控制系统较传统的PID控制具有更好的控制效果,系统响应速度快、抗干扰能力强、稳定性好,能够满足实际工业需求。 展开更多
关键词 3D打印机 温度控制 双层反馈 变论域分形模糊 预测模型 鲸鱼优化算法
在线阅读 下载PDF
面向计算思维的WPBL教学模式研究 被引量:19
5
作者 张蕾 《电化教育研究》 CSSCI 北大核心 2014年第3期100-105,共6页
针对传统WPBL教学模式在计算思维能力培养方面的不足,提出了面向计算思维的WPBL教学模式及其数学模型。新模式拓展了教师动作集和学生动作集,即教师基于网络环境资源,设置一组面向计算思维的、层次递进的问题情境,并利用网络教学平台对... 针对传统WPBL教学模式在计算思维能力培养方面的不足,提出了面向计算思维的WPBL教学模式及其数学模型。新模式拓展了教师动作集和学生动作集,即教师基于网络环境资源,设置一组面向计算思维的、层次递进的问题情境,并利用网络教学平台对教学过程进行整体把握和指导,引导学生自主开展一系列围绕问题情境的活动,在完成整个教学过程的同时将计算思维渗透到自身的知识体系和能力中。最后通过案例分析和教学实验说明了所提出的教学模式的有效性。 展开更多
关键词 网络环境 计算思维 PBL WPBL
在线阅读 下载PDF
基于卷积神经网络的虹膜活体检测算法研究 被引量:9
6
作者 李志明 《计算机工程》 CAS CSCD 北大核心 2016年第5期239-243,248,共6页
针对虹膜活体检测中的特征提取问题,提出一种基于深度卷积神经网络的虹膜活体检测算法。通过归一化、分块归一化和直接切取方式对虹膜图像进行预处理,利用卷积神经网络提取经预处理的虹膜图像特征,使用训练分类器对真伪虹膜进行分类。... 针对虹膜活体检测中的特征提取问题,提出一种基于深度卷积神经网络的虹膜活体检测算法。通过归一化、分块归一化和直接切取方式对虹膜图像进行预处理,利用卷积神经网络提取经预处理的虹膜图像特征,使用训练分类器对真伪虹膜进行分类。实验结果表明,该算法能自动学习虹膜图像的隐藏特征,使真实虹膜和伪造虹膜的特征更具区分性,并且在ND-Contact和CASIA-Iris-Fake数据库中获得96.72%以上的检测正确率。 展开更多
关键词 生物特征识别 虹膜识别 虹膜活体检测 卷积神经网络 自动特征学习
在线阅读 下载PDF
基于L1范数的全变分正则化超分辨重构算法 被引量:7
7
作者 李志明 《计算机工程与应用》 CSCD 北大核心 2016年第15期212-216,共5页
针对结构化照明显微成像系统的超分辨图像重构算法存在边界振铃效应、噪声免疫性差的问题,提出了一种基于L1范数的全变分正则化超分辨图像重构算法(简称L1/TV重构算法)。从结构化显微成像模型入手,分析了传统算法的设计原理和局限性;论... 针对结构化照明显微成像系统的超分辨图像重构算法存在边界振铃效应、噪声免疫性差的问题,提出了一种基于L1范数的全变分正则化超分辨图像重构算法(简称L1/TV重构算法)。从结构化显微成像模型入手,分析了传统算法的设计原理和局限性;论述了L1/TV重构算法的原理,采用L1范数对重构图像保真度进行约束,并利用全变分正则化有效克服了重构过程的病态性,保护了重构图像边缘。对比研究传统重构算法和L1/TV重构算法的性能。实验结果表明:L1/TV重构算法具有更强的抗噪声干扰能力,重构图像空间分辨率更高。 展开更多
关键词 全变分 正则化 超分辨 L1 范数 重构
在线阅读 下载PDF
基于社交网络和关联数据的服务网络构建方法 被引量:1
8
作者 李志明 唐永中 《计算机应用》 CSCD 北大核心 2017年第2期468-472,共5页
网络中可用服务的急剧增加对面向服务计算技术的发展起到了极大的推动作用。针对服务的规模和利用率远没有达到预期,以及服务之间交互关系的复杂性问题,提出基于社交网络和关联数据的服务网络构建方法。首先,结合社交网络和关联数据方... 网络中可用服务的急剧增加对面向服务计算技术的发展起到了极大的推动作用。针对服务的规模和利用率远没有达到预期,以及服务之间交互关系的复杂性问题,提出基于社交网络和关联数据的服务网络构建方法。首先,结合社交网络和关联数据方法提出服务网络(SN)的概念,以提高服务的规模及利用率;其次,为了提升服务发现的可行性及有效性,构建服务网络中的服务社区;然后,形式化地表述服务网络中服务之间的关联关系和属性,以解决服务之间互操作问题;最后,结合旅游服务网络案例研究分析所提出的方法。研究结果表明,基于社交网络和关联数据的方法可有效解决网络服务利用率低以及服务关系复杂性的问题。 展开更多
关键词 服务关系 社会网络 关联数据 图理论 服务计算
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部