論文元數(shù)據(jù)搜索，找到相關(guān)信息共 16 條：
2000, 22(1): 68-72.
刊出日期：2000-01-19
關(guān)鍵詞:
移位寄存器序列; de Bruijn序列; 循環(huán)圈
本文給出一種de Bruijn序列的升元算法。該算法每步運算可生成一列元素而不是一個元素,因而減少了運算次數(shù),加快了生成速度。
1993, 15(2): 204-207.
刊出日期：1993-03-19
關(guān)鍵詞:
De Druijn序列; 齊次復雜度; 矩陣; 矩陣的秩
De Bruijn序列是一類最重要的非線性移位寄存器序列。本文定義并研究了n級De Bruijn序列的k次齊次復雜度Ck(s),給出了Ck(s)的一個上界。k=1及k=2時,Ck(s)分別為人們所熟知的線性復雜度及二次齊次復雜度。
1995, 17(6): 618-622.
刊出日期：1995-11-19
關(guān)鍵詞:
移位寄存器; De Bruijn序列; 循環(huán)圈
De Bruijn序列是一類最重要的非線性移位寄存器序列。本文通過并置所有循環(huán)圈的周期約化,提出了一個新的生成k元de Bruijn序列的算法。該算法每步運算可生成一列元素而不是一個元素,因此減少了運算次數(shù),加快了生成速度。
2016, 38(6): 1412-1418.
doi: 10.11999/JEIT150911
刊出日期：2016-06-19
隱私保護技術(shù)是當前信息安全領域的研究熱點。然而，現(xiàn)階段集合并集運算中的隱私保護技術(shù)側(cè)重理論研究，在實驗模型的開發(fā)上較為欠缺。針對該問題，該文首先設計了保護隱私的集合合并運算電路、去重電路和混淆電路，并應用YAO氏通用混淆電路估值技術(shù)提出了一種布爾電路上保護隱私的集合并集協(xié)議。然后，該文使用模擬器視圖仿真法證明了協(xié)議的安全性。最后，基于MightBeEvil中的YAO氏混淆電路估值框架，開發(fā)了該文理論方案對應的實驗模型。實驗結(jié)果表明，在安全計算稀疏集合的并集時，所提算法效率優(yōu)于當前布爾電路上的其他算法。
2011, 33(7): 1639-1643.
doi: 10.3724/SP.J.1146.2010.01212
刊出日期：2011-07-19
針對粒子濾波(Particle Filter, PF)存在的粒子退化和貧化問題，該文提出一種基于差分演化(Differential Evolution, DE)的PF算法。首先，為了充分利用最新的觀測信息，采用無跡卡爾曼濾波(Unscented Kalman Filter, UKF)來產(chǎn)生重要性分布，對重要性分布產(chǎn)生的采樣粒子不再做傳統(tǒng)重采樣操作，而是直接把采樣粒子當作DE中的種群樣本，粒子權(quán)重作為樣本的適應函數(shù)，對粒子做差分變異、交叉、選擇等迭代優(yōu)化，最后得到最優(yōu)的粒子點集。試驗結(jié)果表明，該算法有效緩解了傳統(tǒng)PF算法中的粒子退化和貧化，提高了粒子的利用率，具有較好的估計精度。
2007, 29(12): 2848-2852.
doi: 10.3724/SP.J.1146.2006.00516
刊出日期：2007-12-19
關(guān)鍵詞:
雷達;長拖尾分布;衰減指數(shù)模型;M估計;K分布雜波
實際條件下，在對基于衰減指數(shù)(DE)和模型的雷達目標散射中心參數(shù)估計和特征提取時，其噪聲背景往往是非高斯的，分布密度函數(shù)表現(xiàn)出長拖尾性質(zhì)。利用基于高斯假設條件下的估計方法進行參數(shù)估計時，往往不能得到較好的結(jié)果。針對這種情況，該文利用M估計方法來實現(xiàn)對長拖尾雜波下DE模型參數(shù)的穩(wěn)健估計。首先分析了基于PRONY模型的M估計實現(xiàn)方法存在的不足，其次提出了兩種較為有效的DE模型散射中心參數(shù)M估計的實現(xiàn)方法，并對這兩種方法進行了分析和比較。仿真實驗結(jié)果表明，在一類長拖尾K分布雜波條件下，與ESPRIT方法以及擴展PRONY估計方法相比，該文所提的兩種方法均能得到較好的估計結(jié)果。
2008, 30(7): 1640-1643.
doi: 10.3724/SP.J.1146.2006.02002
刊出日期：2008-07-19
關(guān)鍵詞:
準循環(huán)LDPC碼; 差分進化; Girth分布; 最小距離
在準循環(huán)LDPC碼的構(gòu)造中，校驗矩陣擁有盡可能好的girth分布對于改善碼的性能有著重要的意義。該文提出了構(gòu)造準循環(huán)LDPC碼的GirthOpt-DE算法，優(yōu)化設計以獲得具有好girth分布的移位參數(shù)矩陣為目標。仿真結(jié)果表明，該文方法得到的準循環(huán)LDPC碼在BER性能和最小距離上均要優(yōu)于固定生成函數(shù)的準循環(huán)LDPC碼，Arrary碼和Tanner碼，并且使用上更為靈活，可以指定碼長，碼率及盡可能好的girth分布。
2015, 37(5): 1227-1233.
doi: 10.11999/JEIT140884
刊出日期：2015-05-19
組播是一種被廣泛應用的通信技術(shù)。組播源認證是組播安全中的重要問題，特別是在有擾信道中實現(xiàn)組播源認證具有很大的挑戰(zhàn)性。該文提出一種基于門限密碼的鏈式組播源認證技術(shù)，以解決有擾信道上的組播源認證問題?；诮M播源認證的安全需求和Dolev-Yao模型，該文首先給出鏈式組播源認證的安全假設和安全模型；然后結(jié)合Shamir的門限秘密共享技術(shù)，設計一種適合于有擾信道的組播源認證協(xié)議并進行了安全性分析。對協(xié)議的仿真結(jié)果表明，該文設計的組播源認證在保證較好的通信性能前提下具有良好的抗丟包能力。
2016, 38(11): 2715-2723.
doi: 10.11999/JEIT160052
刊出日期：2016-11-19
高光譜遙感影像由于其巨大的波段數(shù)直接導致信息的高冗余和數(shù)據(jù)處理的復雜，這不僅帶來龐大的計算量，而且會損害分類精度。因此，在對高光譜影像進行處理、分析之前進行降維變得非常必要。神經(jīng)網(wǎng)絡敏感性分析可以用于對模型的簡化降維，該文將該方法運用于高光譜遙感影像降維中，通過子空間劃分弱化波段之間的相關(guān)性，利用差分進化算法(DE)優(yōu)化神經(jīng)網(wǎng)絡結(jié)構(gòu)，采用Ruck敏感性分析方法剔除掉對分類貢獻較小的波段，從而實現(xiàn)降維。最后，采用AVIRIS影像進行實驗，所提算法相比其他相近的降維與分類方法能獲得更高的分類精度，達到85.83%，比其他相近方法中最優(yōu)方法高出0.31%。
2019, 41(6): 1488-1495.
doi: 10.11999/JEIT180670
刊出日期：2019-06-01
種群多樣性與交叉算子在差分進化(DE)算法求解全局優(yōu)化問題中具有重要作用，該文提出一種多種群協(xié)方差學習差分進化(MCDE)算法。首先，采用多種群機制的種群結(jié)構(gòu)，利用每一子種群結(jié)合相應的變異策略保證進化過程個體多樣性。然后，通過種群間的協(xié)方差學習，為交叉操作建立一個適當旋轉(zhuǎn)的坐標系統(tǒng)；同時，使用自適應控制參數(shù)來平衡種群的勘測與收斂能力。最后，在單峰函數(shù)、多峰函數(shù)、偏移函數(shù)和高維函數(shù)的25個基準測試函數(shù)上進行測試，并同其他先進的進化算法對比，實驗結(jié)果表明該文算法相較于其他算法在求解全局優(yōu)化問題上達到最優(yōu)效果。
- 首頁
- 上一頁
- 1
- 2
- 下一頁
- 末頁
- 共:2頁
