一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

論文研究了新近提出的Liu混沌系統(tǒng)(2004)的模糊反饋同步方法。Liu混沌系統(tǒng)結(jié)構(gòu)不同于以往的連續(xù)混沌系統(tǒng)，本文基于T-S(Takagi-Sugeno)模糊模型重構(gòu)了Liu混沌系統(tǒng)；然后用Lyapunov理論和反饋同步的思想推導(dǎo)了兩個重構(gòu)的Liu系統(tǒng)同步的穩(wěn)定性條件，并給出了誤差系統(tǒng)以衰減率全局漸近穩(wěn)定的充分條件；最后基于LMI方法進(jìn)行了仿真實(shí)驗。良好的仿真結(jié)果驗證了本文算法的有效性和快速性。

微支付交易具有交易量極大且單次交易額極小的特點(diǎn)，使得復(fù)雜的認(rèn)證協(xié)議不適用于微支付。Micali等人(2002)提出的基于概率選擇微支付方案，把微支付聚合成宏支付，大幅提高了微支付的效率。Liu-Yan在(2013)提出了保證所有參與者的數(shù)據(jù)融入概率選擇結(jié)果的生成, 而且使得所有參與者可以驗證結(jié)果的公平性。然而，Liu-Yan方案中銀行可能獲得額外利益，從而破壞了協(xié)議的公平性。該文首先分析了Liu-Yan方案的安全威脅，并且以1個用戶-1個商家的模型代替Liu-Yan方案中大量用戶-1個商家的模型，以數(shù)據(jù)承諾技術(shù)為基礎(chǔ)保障結(jié)果的公平性與可驗證性。

借鑒變色龍視覺的高度獨(dú)立性、對稱性、全局性與選擇性兼顧等特點(diǎn)，該文提出一種基于雙PTZ (Pan-Tilt-Zoom)相機(jī)的主從跟蹤方法。由于兩個相機(jī)的對稱性和參數(shù)可變性、可控性，這種方法相對于靜止加主動相機(jī)的主從跟蹤系統(tǒng)，可以增大監(jiān)控范圍；相對于多靜止加主動相機(jī)的系統(tǒng)，可減小硬件開銷；相對于全向加主動相機(jī)的系統(tǒng)，更有利于信息融合。該文設(shè)計了基于球面坐標(biāo)模型的主從控制方法，可方便實(shí)現(xiàn)兩相機(jī)在任意pan-tilt-zoom參數(shù)下的主從模式跟蹤，實(shí)現(xiàn)對目標(biāo)的多尺度視覺關(guān)注。在室外場景中進(jìn)行的多組實(shí)驗驗證了所提方法的有效性。

該文推廣了Liu Fang等人(2010)給出的周期為pn, p為奇素數(shù)，n為正整數(shù)的廣義分圓序列的構(gòu)造，并確定了新構(gòu)造序列的線性復(fù)雜度和自相關(guān)函數(shù)值的分布。結(jié)果表明，推廣的構(gòu)造保持了原構(gòu)造的高線性復(fù)雜度等偽隨機(jī)特性。由于取值更靈活，較之原構(gòu)造新構(gòu)造序列的數(shù)量要大得多。

通過對Zhang-Liu-He (2006)，Gan-Chen (2004)和Wang-Zhang-Ma (2007)提出的可轉(zhuǎn)換環(huán)簽名方案進(jìn)行分析，指出了這幾個可轉(zhuǎn)換環(huán)簽名方案存在可轉(zhuǎn)換性攻擊或不可否認(rèn)性攻擊，即，環(huán)中的任何成員都能宣稱自己是實(shí)際簽名者或冒充別的成員進(jìn)行環(huán)簽名。為防范這兩種攻擊，對這幾個可轉(zhuǎn)換環(huán)簽名方案進(jìn)行了改進(jìn)，改進(jìn)后的方案滿足可轉(zhuǎn)換環(huán)簽名的安全性要求。

針對目前深度學(xué)習(xí)單階段檢測算法綜合性能不平衡以及在嵌入式設(shè)備難以部署等問題，該文提出一種面向嵌入式平臺的高性能目標(biāo)檢測算法。基于只看1次5代 (YOLOv5)網(wǎng)絡(luò)，改進(jìn)算法首先在主干網(wǎng)絡(luò)部分采用設(shè)計的空間頸塊代替原有的焦點(diǎn)模塊，結(jié)合改進(jìn)的混洗網(wǎng)絡(luò)2代替換原有的跨級局部暗網(wǎng)絡(luò)，減小空間金字塔池化 (SPP)的內(nèi)核尺寸，實(shí)現(xiàn)了主干網(wǎng)絡(luò)的輕量化。其次，頸部采用了基于路徑聚合網(wǎng)絡(luò) (PAN)設(shè)計的增強(qiáng)型路徑聚合網(wǎng)絡(luò) (EPAN)，增加了P6大目標(biāo)輸出層，提高了網(wǎng)絡(luò)的特征提取能力。然后，檢測頭部分采用以自適應(yīng)空間特征融合 (ASFF)為基礎(chǔ)設(shè)計的自適應(yīng)空洞空間特征融合 (A-ASFF)來替代原有的檢測頭，解決了物體尺度變化問題，在少量增加額外開銷情況下大幅提升檢測精度。最后，函數(shù)部分采用高效交并比 (EIoU)代替完整交并比 (CIoU)損失函數(shù)，采用S型加權(quán)線性單元 (SiLU)代替HardSwish激活函數(shù)，提升了模型的綜合性能。實(shí)驗結(jié)果表明，與YOLOv5-S相比，該文提出的同版本算法在mAP@.5，mAP@.5:.95上分別提高了4.6%和6.3%，參數(shù)量降低了43.5%，計算復(fù)雜度降低了12.0%，在Jetson Nano平臺上使用原模型和TensorRT加速模型進(jìn)行速度評估，分別減少了8.1%和9.8%的推理延遲。該文所提算法的綜合指標(biāo)超越了眾多優(yōu)秀的目標(biāo)檢測網(wǎng)絡(luò)，對嵌入式平臺更為友好，具有實(shí)際應(yīng)用意義。

非局部稀疏表示模型，如聯(lián)合稀疏(JS)模型、低秩(LR)模型和組稀疏表示(GSR)模型，通過有效利用圖像的非局部自相似(NSS)屬性，在圖像去噪研究中展現(xiàn)出巨大的潛力。流行的基于字典的JS算法在其目標(biāo)函數(shù)中利用松馳的凸懲罰，避免了NP-hard稀疏編碼，但只能得到近似的稀疏表示。這種近似的JS模型未能對潛在的圖像數(shù)據(jù)施加低秩性，從而導(dǎo)致圖像去噪質(zhì)量降低。該文提出一種新穎的低秩正則聯(lián)合稀疏(LRJS)模型，用于求解圖像去噪問題。提出的LRJS模型同時利用非局部相似塊的LR和JS先驗信息，可以增強(qiáng)非局部相似塊之間的相關(guān)性(即低秩性)，從而可以更好地抑制噪聲，提升去噪圖像的質(zhì)量。為了提高優(yōu)化過程的可處理性和魯棒性，該文設(shè)計了一種具有自適應(yīng)參數(shù)調(diào)整策略的交替最小化算法來求解目標(biāo)函數(shù)。在兩個圖像去噪問題(包括高斯噪聲去除和泊松噪聲去除)上的實(shí)驗結(jié)果表明，提出的LRJS方法在客觀度量和視覺感知上均優(yōu)于許多現(xiàn)有的流行或先進(jìn)的圖像去噪算法，特別是在處理具有高度自相似性的圖像數(shù)據(jù)時表現(xiàn)更為出色。提出的LRJS圖像去噪算法的源代碼通過以下鏈接下載：https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234，提取碼：1234。