为解决无线信道中的彩色图像通信安全问题,提出了一种基于微控制单元(micro controller units,MCU)的彩色图像实时加密通信方案.利用所提密码系统提高混沌序列的随机性,通过基于混沌映射的伪随机数生成器(pseudo random number generator,PRNG)和XOR操作进行图像加密,并通过RS-232端口发送嵌入式加密系统的输出.在PIC 16F873A微控制器上实施了提出的方案,并在无线链路上进行了实验.结果表明,与其他优秀加密方法相比,所提方案提供了更高的安全性,可抵御各种已知攻击.此外,使用双浮点精度的PRNG的处理速度为13.52 Mbit/s,能够满足现实应用的实时通信要求.
个人信用评估作为商业银行判定借贷风险的直接依据,在金融领域显得尤为重要。针对传统个人信用评估模型存在数据不平衡、模型结构单一、易受主观因素干扰等问题,提出一种基于SMOTE+ENN(synthetic minority oversampling technique+edited nearest neighbours)算法与集成学习的个人信用评估方法。首先,该方法在数据预处理的基础上,采用SMOTE+ENN算法对样本数据进行数据平衡分布处理,增强了分类算法性能;然后,基于网格搜索优化算法,搜寻适用于多种分类器的最优超参数,进而构造出相应的最优单一评估模型,达到了提高个人信用评估精确度的目的;最后,利用相关的集成学习策略将表现最优的三种分类器结果集成,构造出信用评估的最优预测模型,从而实现更为准确的个人信用评估。实验结果表明,在现有公开数据集Give Me Some Credit上,与传统数据不平衡处理方法相比,该方法的预测准确率高达97%,精确度提升约2%,验证了算法改进的有效性。
鉴于Single Shot Multibox Detector(SSD)算法对中小目标检测时会出现漏检甚至错检的情况,提出一种改进的SSD目标检测算法,以提高中小目标检测的准确性.运用Gradient-weighted Class Activation Mapping(Grad-CAM)技术对检测过程中的细节作可视化处理,并以类激活图的形式呈现各检测层细节,分析各检测层的类激活图发现SSD算法中待检测目标的错检以及中小目标的漏检现象与回归损失函数相关.据此,采用Kullback-Leibler(KL)边框回归损失策略,利用Non Maximum Suppression(NMS)算法输出最终预测框.实验结果表明,改进算法相较于已有检测算法具有更高的准确率以及稳定性.
证据理论的合成规则作为一项重要的研究课题,是样本分类及决策的关键制约因素。大多数融合方法随着特征数量的增加,特征间关联随之增强,融合过程也变得更为复杂,进而导致证据融合结果不够理想。因此,提出一种基于特征降维的证据理论改进算法,该算法主要包括两方面:首先,对原始数据集进行特征降维(feature dimension reduction,FDR),降低数据集中样本特征之间的关联性,进而优化融合结果;其次,对降维后的数据集进行特征融合,由于原始数据样本特征数量的下降,融合过程也变得更为简单,进一步通过计算样本的基本概率分配(basic probability assignment,BPA),得出样本分类结果。实验表明,基于特征降维的证据理论改进算法相较于其他融合算法,融合过程更为简单,融合效果较为良好,经过Instacart数据集测试,最终的平均类型识别率为94%。
