课程文献中心 更多>>

关键词： 可搜索加密   可搜索对称加密   向量内积   云端服务器   安全性  

摘要： 随着云端存储技术的不断发展,越来越多的用户选择将数据存储在云端服务器上,例如邮件服务器或者文件服务器上。并且用户将加密之后的数据存储在云端服务器上,以此来增强文件的安全性以及保护用户数据的隐私性。但是通常情况下,安全性得到了增强会影响某些功能的实现,比如说,如果用户希望检索包含某些特定关键词的文档的话,在数据不解密的情况下,也就是在保证用户数据隐私的情况下,如何实现让数据服务器执行搜索并且返回包含特定关键词的密文的功能就成了需要解决的问题。可搜索加密允许数据拥有者将加密之后的数据存储到云端,并且数据拥有者将密钥传送给授权用户,授权用户根据收到的密钥生成关键词限门提交到云端。云端服务器进行匹配搜索,如果成功,则将对应的加密文档发送给授权用户,授权用户收到加密文档之后,进行解密得到明文。在整个过程中,既保证了文件的隐私性,同时也保证了关键词的隐私性。恶意用户或者攻击者无法从已有的信息中获取明文或者关键词的任何信息。在这篇文章中,我们首次引入了基于向量内积运算的可搜索对称加密的方案,并且实现了具体的算法。在我们的构造中,共有三个角色:数据拥有者,用户以及云端服务器。首先数据拥有者通过向量运算对文件进行加密,将加密之后的文件以及关键词密文传到云端服务器。并且数据拥有者将生成的密钥发送给授权用户;授权用户根据收到的密钥,进行向量内积的运算产生关键词限门传到云端服务器;云端服务器进行匹配,将对应的文件发送给用户。三个角色通过向量内积彼此之间进行通信,最终实现在不泄露用户存储的信息的情况下进行密文的搜索。并且对整个方案进行了安全性的分析以及性能的测试。

关键词： 土性参数   贝叶斯方法   不确定性   标准值   解析解  

摘要： 为了考虑岩土工程中土性参数不确定性对设计过程的影响,近些年世界上多个国家颁布了一批基于可靠度理论的岩土工程设计规范(如欧洲的Eurocode7、日本的Geocode21等)。在这些设计规范中,需要土性参数的概率分布和特征值(均值、标准差、分位值等)作为输入信息。然而,在岩土工程勘察过程中,所能获取到的勘探数据的数据量非常有限,利用传统的统计分析手段在这种情况下无法准确、合理地确定出土性参数的概率分布和特征值。在有限勘探数据条件下,贝叶斯理论为确定土性参数的概率分布和统计特征值提供了一条途径。然而,贝叶斯方法相对于传统的统计方法更加复杂,需要进行大量的积分计算,在实际应用中受到限制。于是本文推导了简单情况下土性参数统计特征值的解析解,所推导的解析解提高了确定土性参数统计特征值的效率。对于复杂情况下土性参数特征值的确定,本文分别开发了基于Visual Basic for Applications(VBA)语言和 Android 环境的计算机软件 WHUGSSPA 和手机软件BEST,使得整个方法可视化,便于工程师使用,促进了所提方法在确定土性参数特征值过程中的应用,具有重要的实用价值。论文首先简要介绍了本研究的研究背景、意义、目的和内容,综述了相关研究现状。具体地介绍了根据先验信息和有限勘探数据确定土性参数特征值的贝叶斯等效样本法,包括土性参数的不确定性来源、土性参数的概率模型、贝叶斯理论以及马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo Simulation,MCMCS)。接下来,推导了简化条件下土性参数特征值值的解析解。最后,介绍了本文开发了计算机软件WHUGSSPA和手机软件BEST以及他们的应用,综上,本文主要成果如下:(1)对于不同的土性参数、测量数据以及土性参数和测量参数之间的转换模型,所提出的贝叶斯等效样本法有效结合了先验信息和测量数据,并具有普遍的适用性和准确性。(2)推导了基于贝叶斯理论的简单情况下土性参数特征值的解析解,并进行了验证,使得简单情况下可以快速确定出土性参数的统计特征值。(3)开发了计算机软件WHUGSSPA和手机软件BEST,使得确定土性参数特征值过程清晰明了,为复杂情况下确定土性参数特征值提供了有效便捷的工具。推动了贝叶斯理论在岩土工程确定土性参数特征值方面的应用。(4)根据黏性土杨氏模量特征值分析、黏性土不排水剪切强度特征值分析、砂性土有效内摩擦角特征值分析的算例结果,对比了直接测量数据、WHUGSSPA软件、BEST软件、解析解的结果,证明了所提方法和开发的软件的准确性和实用性。

关键词： Boussinesq方程   形变张量   特征值   正则性条件   无粘性   无热传导  

摘要： 本文讨论二维及三维Boussinesq方程组.第一部分讨论满足周期边界条件的Boussinesq方程组初边值问题的局部正则解的正则性估计,从而推断解在有限时间内爆破的可能性.在二维情况下,用形变张量的特征值给出温度的梯度的L2估计,从中看出若流体微团变形的速率大,则解爆破的可能性就大.在三维情况下,用形变张量的特征值和温度的偏导给出涡量的L2估计,从中发现若流体微团在大部分时间内所有地方是平面拉伸,且温度的偏导较小时,解爆破的可能性就大;若所有地方是线性拉伸,温度的偏导又不任意增大时,解爆破的可能性就小.在第二部分中,用速度的梯度和温度的梯度给出Boussinesq方程组的正则性条件.它们在无粘性且无热传导的情况下特别有意义.在二维时,正则性条件只有在这种情况下有趣,对比本文与已有的结果,可知速度的梯度与温度的梯度对局部正则解在有限时间内爆破的讨论同等重要.在三维时,这种情况下的正则性条件似乎稀缺.

关键词： 用户画像   智能审判   特征向量   机器学习  

摘要： 近年来,计算机随着研究领域的不断突破,技术应用更加广泛深入,已经逐渐成为一门举足轻重的工具学科,并随着时间的推移,发挥着越来越重要的作用。作为计算机科学与技术领域的一个重要研究方向,人工智能在引领新技术领域前进的同时,也推动了传统行业进行革新。用户画像作为近年来新提出的一个概念,通过收集用户在网络上填写的资料、发布的内容、进行的活动、拥有的关系等信息,从中有选择、有结构地提取出关键部分,生成特征数据,为如何用计算机语言表征真实世界的用户信息提供了一种思想。而人物画像则是将构建对象从真实用户推广到用户和其他一切可表示的客观实体上,背后的思想不变。在案件审理领域,目前还没有一种合理的、通用的研究方法,能够通过学习法律知识和历史记录,为相关人员提供辅助审理的功能。基于此,本文提出了一种基于人物画像的,科学的、具有操作性的、并可以推广到多种类型案件的案件辅助审理研究方案。研究内容主要包括三个部分。预处理与建模、特征提取和辅助决策。(1)预处理与建模部分提出了二级刻画的方法,为针对到类型的案件建立模型;利用word2vec工具,训练词向量,并对词向量进行聚类,生成多维特征词表;爬虫获取历史裁判文书后,对文书的正文进行分词并入库;(2)特征提取部分针对各维特征,提出了有程度划分和无程度划分的两种特征提取方法。对于有程度划分的维度提取过程基于两级词表实现;对于无程度划分的维度,提取过程主要基于正则表达式完成。对提取后得到的数据做归一化处理,得到最终的特征向量,形成判决知识库;(3)辅助决策部分包括相似案例计算和新案例审判两个部分。前者是通过局部敏感哈希算法优化检索后,利用欧式距离和余弦距离综合的相似性度量算法返回最相似的案件集;新案例审判是通过集成学习方法,综合多分类器的分类结果做出决策,给相关人员提供审理参考。最后依照实际需要,设计实现了一个智能审判web系统,并通过实验论证了方案的合理性与可行性。

关键词： M-矩阵   Hadamard积   Fan积   特征值   谱半径  

摘要： 对于矩阵乘法我们都很了解,但是Hadamard积和Fan积都是特别重要的乘法,比如积分方程核的积,概率论中的特征函数,偏微分方程中的弱极小原理等.是Hadamard积和Fan积在保持矩阵的条件下最小特征值的估计问题一直以来都是矩阵理论里的研究重点、热点.很多学者都对矩阵Hadamard积谱半径上届和Fan积最小特征值下界进行了进一步的研究,本文继续对此问题进行探究,给出新的估计式,使其更有效、更精确的进行计算。

关键词： 短信文本   联系人关系   K中心点聚类   特征向量   K最近邻  

摘要： 短信是人们日常生活工作中常用的一种通信工具,通过对其内容的分析获得联系人之间在现实生活中可能存在的关系,有助于短信数据的再应用。目前可用于短信联系人关系判断的系统很少,但是该类系统具有很重要的理论和应用价值,因此有必要对该系统进行研究和设计。考虑到中文短信的非规范化和非结构化,在对常见的文本分词方法进行介绍和分析的基础上,本系统选择了恰当的分词方法对短信进行分词操作,同时使用《百度停用词表》对分词结果中的停用词进行了去除操作。在对传统文本表示方法进行分析的基础上,选择了向量空间模型进行短信文本的表示,并根据短信的特点,设计了满足需要的短信文本特征向量。在确定了特征向量之后,对主流的分类方法进行了讨论与分析,选择了K最近邻方法作为本系统的分类方法,并针对K最近邻(K-Nearest Neighbor,KNN)算法效率不高的问题,提出了用高效的K中心点聚类(K-medoids)方法对样本进行裁剪的方法。以此来提高分类系统的效率和准确性。介绍并选择了相关技术后,对系统进行了详细地设计。将系统分为了文档解析模块、文本预处理模块、特征提取模块和分类模型建立与应用模块。详细介绍了各个模块的流程与实现方法。最后设计了相应的实验方案,对系统进行了进行了短信联系人关系的判断实验,实验结果表明系统拥有较高的效率及准确性。

关键词： 几何代数   自由度   交集   线性相关   Grassmann-Cayley代数  

摘要： 机构是装备的骨架,自由度是机构的基本属性。对机构进行自由度分析以掌握其数目和性质是机械设计中的基本问题。以并联机构为代表的复杂空间多环闭链机构的自由度分析长期以来一直是机构学研究中的难点问题。本文在几何代数框架下,利用几何代数可以直接对不同维度的几何元素直接进行表达和计算的优势,对并联机构自由度分析问题进行了系统研究,全文主要工作和成果如下:给出几何代数框架下的刚体运动空间和力空间表述,并且根据两者之间的关系阐释了过约束机构中冗余约束的形成原因。冗余约束为不同分支运动链末端约束力空间的交集,然而其形成原因是运动空间中分支运动链运动空间的并集不是一个六维空间,这个并集对偶的直射变换就是冗余约束。提出了一种基于外积运算的线性相关项判别和剔除规则。利用当向量发生线性相关时其外积为零的性质,可对一组向量的线性相关性进行判别。并集运算中当出现线性相关项后可运用该规则将线性相关项剔除后再用外积进行运算,该规则对过约束并联机构自由度分析具有重要意义。提出了几何代数框架下的并联机构自由度约束求并方法,可得到并联机构动平台运动空间的符号表达式。该方法利用运动空间与力空间的映射关系,首先对分支运动链末端的运动空间求解约束力空间,再对所有分支运动链的约束力空间使用并集运算,得到动平台上的约束力空间,最后再通过正交运算得到动平台上运动空间。几何代数框架下的约束求并方法只涉及加法和乘法,不涉及除法运算,所以不需要对参数在分母时进行是否为零的讨论。提出了几何代数框架下的并联机构自由度运动求交分析方法,可得到并联机构动平台运动空间的符号表达式。运动求交方法对所有分支运动链末端的运动空间进行交集运算直接得到动平台上运动空间,与约束求交方法相比更为直观计算步骤和计算量明显减少。运动求交方法与约束求并方法的计算过程都不涉及除法运算,不需要对分母是否为零进行讨论,便于编程实现自动计算。为了与几何代数方法做对比,将Grassmann-Cayley代数用于过约束并联机构自由度分析。针对混序积无法对过约束并联机构分支运动空间求交集的问题,进行算法修正,从而可以通过计算得到动平台上的运动空间的符号表达式。基于Grassmann-Cayley代数的并联机构自由度分析方法同样可以得到动平台运动空间的符号表达式,但与基于几何代数的并联机构自由度分析方法相比较为繁琐。

关键词： Steklov特征征值问题   有限元   固定位移反迭代   后验误差估计   自适应算法  

摘要： Steklov特征值问题的特征值参数在边界条件上,有很强的物理背景.因此,其数值方法逐步成为学者们关注的焦点.在偏微分方程的数值逼近中,基于后验误差估计的自适应算法因具有计算量小、计算时间短的特点,成为有限元方法的主流方向,得到极大的重视.结合有限元方法及固定位移反迭代,本文提出了Steklov特征值问题的一种基于固定位移反迭代的多网格离散方案.通过该方案,将Steklov特征值问题的解归结为首先在粗网格VH上求特征值问题的解,然后在越来越细的网格Vhi上求一系列线性代数方程组的解.本文进一步研究了先验误差估计和残差型后验误差估计,并证明了后验误差指示子的全局可靠性和局部有效性.此外,基于后验误差估计,我们设计了一种新的固定位移反迭代型的自适应算法.这种算法不仅计算量小而且避免了求解几乎奇异代数方程的困难,是一种更为有效的算法.最后,对比三种不同类型的自适应算法,用MATLAB编程分别在方形区域、L-型区域和菱形裂缝区域上给出数值结果来验证我们方法的有效性.

关键词： CF   ITO   特征值  

摘要： 面向电视、笔记本电脑的彩色滤光片(CF)在制备1500A厚度的氧化铟锡(ITO)层时,要求其具有80%以上的高透过率、小于100Ω/低面电阻特性。靶材寿命在初期与末期时的存在靶材-磁芯间隙降低,成膜厚度增加,需控制电源输入功率。面阻值随着氧气比例升高会呈现先降低、再升高的变化,而透过率在各波段则呈现不同斜率的增加,氧气比例设定在2~4%以兼顾面阻值、透过率。此外,成膜压力0.3Pa较0.2Pa可提高透过率约1.5%,中温较室温成膜可以提升面阻值均一性。

关键词： 轨迹挖掘   好友推荐   聚类分析   热点轨迹   融合推荐  

摘要： 近年来随着跑步等运动软件的流行,基于轨迹的好友推荐算法正逐渐成为现下研究的热门。因此如何利用用户留下的轨迹数据,并找出潜在的、有意义的轨迹模式,是目前的热点问题,好友推荐就可以在此基础上应运而生。本文首先介绍了安卓平台下的运动社交平台架构,并对轨迹采集模块和数据上传模块进行了介绍,然后重点介绍了推荐系统理论,围绕着基于轨迹挖掘和用户特征的融合推荐算法展开了以下研究:(1)对用户热点轨迹、停留点、轨迹区域等进行了阐述,介绍了轨迹挖掘相关算法。针对传统DBSCAN算法区域查询复杂、参数设定需要人为参与等问题,提出了一种θ-ADBSCAN算法对热点轨迹进行挖掘,热点轨迹是用户频繁移动模式的反映,可以代表用户的一些行为习惯。(2)在热点轨迹的基础上设计了ST-Cluster算法来挖掘用户的停留点,该算法的优势在于能够防止因GPS信号差导致的轨迹点丢失和因道路拥堵引起的停留噪声。然后引入了Pearson公式,并加入了时间相似因子和层次因子,从而计算了不同用户之间的停留点相似度。(3)针对用户轨迹特征的表示,定义了轨迹分段方法。并将用户轨迹转换为由分段点和热点轨迹组成的轨迹区域,轨迹区域相似度的计算采用由MBR算法构成MHTR块序列来计算区域相似度,并结合停留点相似度得到了轨迹行为总体相似度。与传统的基于停留点算法进行好友推荐相比,从不同的尺度上衡量可以更好挖掘用户相似性。(4)针对冷启动和推荐的单一性等问题,论文研究了用户的固有特征相似度。通过注册信息挖掘出用户的兴趣矩阵,根据用户的好友衰减次数来建立用户社交矩阵,然后基于余弦相似度公式计算了固有特征相似度,并进一步通过研究轨迹行为相似度与固有特征相似度融合进行好友推荐,该部分本文设计了一种基于动态阈值的融合推荐算法,实验证明融合后的推荐算法在评价指标上要优于传统的基于停留点的推荐算法。