一种适用于导航系统的维特比译码器电路设计与仿真

设计了一种适用于导航系统的低功耗、串行维特比译码器电路.介绍了设计的维特比译码器电路的整体结构和各部分硬件电路的设计与特点,仿真结果显示设计的维特比译码器电路能够正常译码,并能纠正传输过程中的错误比特;SMIC0.18μm工艺下的综合结果表明译码器电路的面积只有4102门,功耗为399.514μW.     

基于决策边界的倾斜森林分类算法

为进一步提高随机森林算法分类准确率,提出一种基于决策边界的倾斜森林(oblique forests based on decision boundary,OFDB)分类算法。将决策边界与自适应权重融入随机森林算法框架,采用决策边界作为分裂准则,使原本垂直于数据空间的分裂准则变为倾斜的超平面,有效提高算法对数据空间结构的适应能力。自适应权重改进叶子结点类标号计算方法,有效提高算法对不平衡数据的分类能力。实验结果表明,该算法与随机森林算法相比具有更高的分类准确率与较好的不平衡数据分类能力。     

基于卷积神经网络的网络节点异常数据检测方法

异常数据检测是保障无线传感器网络节点数据准确性和可靠性的重要步骤。针对无线传感器网络节点异常数据检测问题，提出一种基于卷积神经网络的异常数据检测方法。该方法是对正常数据和注入故障后生成的异常数据进行归一化处理后映射成的灰度图片作为卷积神经网络的输入数据，并且基于LeNet-5卷积神经网络设计了合适的卷积层特征面及全连接层的参数，构造了3种新的卷积神经网络模型。该模型通过卷积层自主学习数据特征，解决了传统检测算法的性能容易受到相关阈值影响的问题。通过网络公开数据集进行模型测试，结果表明该方法具有很好的检测性能和较高的可靠性     

一种隐私保护的分布式关联规则挖掘方法

结合RSA公钥加密和同态加密HES的优势,采用密码分级管理机制,提出了一种简单有效隐私保护的分布式关联规则挖掘算法(PPDM-ARBSM).在算法中引入密码管理服务器(CMS)和数据挖掘服务器(DMS),既有效保护敏感数据安全性,又能利用事务相似矩阵快速地集中生成全局K-项频繁集.理论分析与实验结果表明,该算法具有较好的隐私性、准确性和高效性.     

基于事务相似矩阵的关联规则挖掘算法

通过对Apriori算法挖掘过程的深入分析,提出一种改进的关联规则挖掘算法——基于事务相似矩阵的关联规则挖掘算法（ARBSM）：在压缩事务布尔矩阵的基础上构建一个事务相似矩阵,直接查找高阶肛项频繁集,有效解决了Apriori算法逐层搜索的迭代产生频繁项集的瓶颈问题。测试结果表明,ARBSM算法可以高效地挖掘潜在的强关联规则。     

一种基于完全子图与标签传播的重叠社区检测算法

提出了一种基于完全子图和标签传播的重叠社区检测ＣＬＰＯＡ算法。该算法首先搜寻完全子图,并为每个子图分配唯一标签,实现快速标签预处理;然后根据每个节点的邻接节点标签来更新该节点的标签,同时提出接触频数优化标签选择策略降低标签随机传播概率;最后,通过网络标签分布情况进行社区划分。选取两个小规模标准数据集和两个大规模网络数据集进行实验,结果表明ＣＬＰＯＡ算法能保持和ＣＯＰＲＡ算法相同社区划分质量,同时具有更好的算法稳定性和时间性能。     

基于RSA的隐私保护关联规则挖掘算法

结合RSA公钥加密和伪随机数生成器技术,给出一种分布式数据库隐私保护关联规则挖掘算法——PPD—ARBSM。引入密码管理服务器和数据挖掘服务器,能保护敏感数据的安全性,利用事务相似矩阵集中快速实现全局k-项频繁集的生成,能削减各站点间局部支持数对比的通信开销。理论分析与实验结果表明,该算法具有较好的隐私性、准确性和较高的效率。     

基于聚类的分级匿名方法

为了防止链接攻击导致隐私的泄露,同时尽可能降低匿名保护时的信息损失,提出(λα, k)-分级匿名模型。该模型根据隐私保护的需求程度,将各敏感属性值划分为高、中、低三个等级类,通过隐私保护度参数λ灵活控制泄露风险。在此基础上,给出一种基于聚类的分级匿名方法。该方法采用一种新层次聚类算法,并针对准标识符中数值型属性与分类型属性采用灵活的概化策略。实验结果显示,该方法能够满足敏感属性的分级匿名保护需求,同时有效地减少信息损失。