基于小波域的模糊混沌数字水印算法

为实现对多媒体数据版权的有效保护,提出一种基于混沌映射和二维小波变换的模糊自适应数字水印算法。利用Lorenz混沌映射产生的混沌序列对水印图像进行加密,通过离散小波变换及模糊控制得到水印图像的嵌入强度,将加密后的水印图像嵌入宿主图像。仿真实验和性能分析表明,该算法具有良好的隐蔽性、鲁棒性和安全性。     

基于序列模式特征和SVM的剪切位点预测

通过对HS3D数据集供点序列碱基的统计分析,利用供体位点邻域碱基出现规律构造模式（motif）作为DNA序列的属性。设置序列属性值将字符序列映射成数字向量,应用支撑向量机进行实验,实现对供体位点的预测分类。实验结果表明,与改进的motif得分模型方法相比,该文方法可有效去除数据中异常数据对分类的影响,将DNA字符序列变换到motif属性数字序列空间具有有效性和实用性。     

旋转角序列小波分析快速算法

提出了一种新型小波分析快速算法--"旋转角序列快速小波变换(RAS-FWT)",并给 出了正交小波旋转角序列的约束关系.该算法将传统的基于卷积的小波变换快速实现方法,转化 为微处理器更易实现的迭代结构,并采用"循环指针"实现数字延迟,代码更加高效简洁.Mallat 算法将正交小波与N长度离散系数序列建立起了--映射关系;而RAS-FWT建立起正交小波 与N/2长度离散角度序列的--映射关系,故计算量降低为Mallet算法(FWT)的一半.另外,基 于"旋转角序列"的特征构造,这一技术将为正交小波构造理论开辟一条崭新的技术路线,成为这 一学科的新分支.     

基于Walsh变换的过程神经网络建模及应用

着重研究了基于离散数据的过程神经网络建模问题。考虑到来自现场的过程变量数据基本都是离散的采样数据，并且其中存在伪数据的情况，故先对离散采样数据进行预处理，然后采用离散Walsh变换法对数据进行转换，即将网络输入函数和权函数在Walsh基下映射为一组新的时变向量，将积分聚合运算简化为向量内积运算，实现离散采样数据对连续网络的直接输入。应用所建立的过程神经网络模型对发酵过程菌体浓度进行了预测，取得了较好的效果．     

联合空域和小波域的图像加密

针对基于混沌理论的混合域图像加密算法存在加密强度较弱的问题,提出一种新的联合空域和小波域的图像加密算法。首先对原始图像进行一级二维离散小波分解,提取低频小波系数;接着使用二维Sine Logistic映射生成混沌序列,利用该混沌序列使用混沌魔方变换置乱低频子带,然后完成图像逆小波变换。对置乱后的图像,首先使用互绕Logistic映射生成混沌序列用于空域加密密钥,然后联合基于伽罗瓦域上元素乘法和异或的变换技术对像素进行加密;同时,引入混沌扰动和加密反馈技术以实现生成一次性运行密钥。理论分析和实验结果表明,新算法具有密钥空间大、抗重构攻击、抗差分攻击、加密效率可行、安全性强等特点。     

基于混沌映射和小波变换的彩色图像水印算法*

为了实现对多媒体数据版权的有效保护,提出了一种基于离散混沌映射和二维离散小波变换的图像水印新算法。该算法利用切延迟椭圆反射腔离散混沌系统（TDERCS）产生的混沌序列,将其二值化后加密水印图像,并采用小波变换将加密后的水印图像嵌入到宿主图像的蓝色分量的最深层的四个子带中,嵌入位置则由广义猫映射确定。仿真实验和性能分析表明,该算法具有很好的隐蔽性、鲁棒性和安全性。     

小波变换的计算机实现

小波变换是傅里叶变换的改进,在工程领域中得到了广泛应用。本文主要结合MATLAB介绍小波变换的计算机实现,包括三种类型的小波变换。文中首先介绍了连续小波变换的数值积分实现,接着介绍了多分辨率分析和Mallat算法,最后用滤波器组实现了离散网格上的小波变换和离散序列的小波变换。     

基于小波分析的ARIMA与LSSVM组合的高炉煤气预测

高炉煤气发生量的准确预测对钢铁企业能源优化调度具有重要意义;针对钢铁企业中基于机理模型的高炉煤气发生量难以准确预测问题,建立了基于小波分析的最小二乘支持向量机(LSSVM)和自回归差分滑动平均(ARIMA)相结合的高炉煤气预测模型;预测前利用小波去噪对原始数据进行消噪处理,并对处理后的数据进行小波变换得到趋势序列和波动序列,然后对各部分序列分别建模和预测,最后将各部分预测结果叠加;仿真结果表明,组合预测模型减小了预测误差,提高了预测精度;与其他模型相比,组合预测模型更适合高炉煤气预测.     

基于二维Logistic混沌映射DWT脆弱数字水印算法

提出一种基于二维Logistic混沌映射的DWT变换域脆弱数字水印算法.首先利用原始图像的特征信息结合密钥生成二维混沌映射的初值从而生成水印信息;为了实现盲检测,该算法结合小波变换后的特征信息将水印信息嵌入到经小波变换后的高频部分;最后将修改后的小波系数与其他系数重组做离散小波反变换IDWT,从而得到含水印的图像.实验证明,该算法不但能增强水印的安全性,还有良好的不可见性和图像定位篡改能力.     

基于多特征尺度的大肠杆菌启动子预测

本文对实验证实的741条大肠杆菌Sigma70启动子的序列进行预测研究。首先,基于RNA聚合酶与DNA的相互作用,利用位置打分函数对序列中的保守位点进行了衡量;然后,根据启动子的序列特征,利用离散性指标对序列中不同的碱基信息含量进行测量;最后,利用多元非线性判别分析实现了对大肠杆菌启动子的预测。10折叠交叉检验结果显示,总体预测精度达到85%以上。与其它算法比较结果显示,我们开发的这一算法能够更好地预测大肠杆菌启动子。     

结合二维Logistic映射与二维离散余弦变换的数字图像隐藏技术

为了应对日益增大的图像安全问题, 提出一种结合二维Logistic映射与二维离散余弦变换(2D-DCT)的数字图像隐藏算法. 首先, 利用二维Logistic映射产生的混沌序列对秘密图像进行像素扩散与置乱, 从而达到对秘密图像的加密效果. 接着, 分块对载体图像进行二维离散余弦变换, 然后把扩散与置乱后的图像信息分存在变换后每块的右下角. 最后再进行二维离散余弦反变换(2D-IDCT), 并得到隐密图像. 实验结果也表明, 该算法安全可行且隐藏效果良好.     

基于小波变换的网络流量组合预测模型

为了提高网络流量的预测精度,利用小波变换、差分自回归移动平均模型和最小二乘支持向量机等优点,提出一种基于小波变换的网络流量预测模型(WA-ARIMA-LSSVM)。针对网络流量多尺度特性,首先对网络流量时间序列进行小波分解,然后分别采用差分自回归移动平均模型和最小二乘支持向量机对网络流量的高频和低频进行建模与预测,最后小波重构高频和低频的预测结果,并采用仿真实验对模型性能进行分析。结果表明,WA-ARIMA-LSSVM提高了网络流量的预测精度,可以更加准确地描述网络流量的非平稳变化趋势。     

基于混沌映射和离散变换的盲水印算法

盲水印由于在检验过程中不需要使用原始的水印图像,因此在具有较高的鲁棒性和不可见性的同时,增加了检验的方便性。该文提出了一种基于混沌映射和二维离散小波变换的盲水印的算法。该算法是首先将二值图像经过混沌映射处理,将置乱之后的二值图像作为水印图像,将作为载体的二维矢量图形,进行二维离散小波变换,之后将水印信息嵌入到待保护的图像中。由于将水印图像进行了混沌映射处理,故提高了抗裁剪和压缩攻击的能力;而对原始载体图像使用了二维离散小波变换,在没有密钥的情况下,是无法恢复原始水印图像的,故提高了水印信息的安全性。     

基于小波和支持向量机的多尺度时间序列预测

介绍了相空间重构和基于支持向量机的时间序列预测建模技术,提出了基于小波和支持向量机的复杂时间序列预测方法,利用小波对复杂时间序列进行多尺度分解,对重构后的近似序列和细节序列分别利用支持向量机进行回归预测并将结果融合。对股票数据进行预测,试验结果表明该方法预测精度高于单尺度支持向量机和神经网络预测方法,可用于复杂非平稳时间序列的预测。     

基于混沌映射网络的数字图像加密算法

提出一种基于混沌映射网络和标准幻方变换的数字图像加密算法。通过4个一维分段线性混沌映射构成混沌映射网络产生加密需要的伪随机序列,用该伪随机序列和标准幻方变换进行数字图像加密,并对算法的安全性进行理论分析和数字仿真。实验结果表明,该算法具有良好的安全性能。     

基于支持向量机的La_xM_(1-x-z)R_zMn_yN_(1-y)O_3型钙钛矿居里温度的预测（英文）

有效预测La_xM_(1-x-z)R_zMn_yN_(1-y)O_3型新钙钛矿材料的居里温度对于指定居里温度的材料设计至关重要。本工作构建了基于支持向量机的QSPR模型,用以预测La_xM_(1-x-z)R_zMn_yN_(1-y)O_3型钙钛矿材料的居里温度。在13个描述符中筛选出5个描述符来进行建模。建模过程中采用前进法从13个分子描述符中筛选出了5个影响该材料居里温度的主要分子描述符。为了得到优化的建模结果,运用粒子群算法进行了一个参数优化,设置参数ε=0.006,C=6.450,Rbf gamma=1.741。研究结果表明,所建模型的均方根误差RMSE、平均相对误差MRE、计算值与实际值的相关系数R分别为6.82,2.36%和0.991。在留一法交叉验证结果中,均方根误差(RMSE)为20.796,平均相对误差(MRE)为7.35%,计算值与实际值的相关系数(R)为0.92。利用随机抽取的外部测试集样本对所建支持向量回归模型进行检验,得到的居里温度预报的平均相对误差为2.36%。因此,支持向量回归模型能有效预测La_xM_(1-x-z)R_zMn_yN_(1-y)O_3型钙钛矿材料的居里温度,有望在指定居里温度的材料设计研究工作中得到进一步应用。     

基于小波变换和支持向量机的水质预测

提出基于小波变换和支持向量机的水质预测模型。该模型运用小波变换得到水质时间序列在不同尺度下的变化特性,并用改进后的粒子群算法优化回归支持向量机的三个参数,提高了模型预测精度。运用该模型对王江泾自动监测站测得的溶解氧浓度进行了1步预测及2步预测,10组测试样本最高MAPE为4.54%,并用基于BP神经网络的预测结果进行了比较。结果表明,该模型性能良好、预测精度高、简便易行,比基于BP神经网络的模型具有更好的预测效果,为水质预测提供了一种有效的方法。     

高维共鸣识别——蛋白质比较的新方法

在提出的符号序列的高维数字表达以及高维傅里叶变换概念的基础上,提出了蛋白质比较的新方法——高维共鸣识别。将两种蛋白质对应的氨基酸序列转化为向量序列,分别计算它们对应的向量序列的离散傅里叶变换。据此,定义两个蛋白质序列所对应的交叉谱函数,考查交叉谱函数的信噪比,判断两种蛋白质序列的相似性或差异性。计算结果显示它是蛋白质比对的又一个有效方法,是Cosic一维共鸣识别的拓展。     

基于均匀设计优化预测模型参数的混沌时间序列预测

为解决混沌时间序列预测中的延迟时间、嵌入维与模型参数等优化问题,提出一种基于均匀设计优化预测模型参数的混沌时间序列预测模型(UD-LSSVM)。首先采用均匀设计产生多个参数组合,并采用最小二乘支持向量机得到每组参数的均方根误差(RMSE);然后最小二乘支持向量机对参数进行全组合寻优建立最优混沌时间预测模型;最后进行混沌时间序列仿真测试。仿真结果表明,相对于对比模型,UD-LSSVM不仅可以快速、准确找到延迟时间、嵌入维与模型参数的最优组合,而且提高了混沌时间序列预测的预测精度。     

网络非平稳流量多尺度时间序列预测数学建模

网络流量具有时变性与非线性等特征,线性时间序列预测性能不佳,提出网络非平稳流量多尺度时间序列预测数学建模.利用离散低通滤波器确定流量分解系数,经过初始化处理,对滤波器做插零完成小波分解;使用支持向量机方法设置回归函数,确保函数最小化,并将低维空间中非线性回归问题转换为高维空间线性回归问题,在初始低维空间做核函数计算获取高维空间内积,引入双曲核函数建立支持向量机每一步的预测模型;重构小波分解后的时间序列,利用预测模型求解回归函数,即可实现对整体流量多尺度时间序列的预测.实验结果表明,上述方法提高预测精度,减少预测延时.