截集型特征加权模糊C-均值聚类算法

已有的特征加权型模糊C-均值（WFCM）聚类算法可以有效地提取数据的相关特征,WFCM存在的主要问题是收敛速度慢和对噪声敏感。借助模糊集的截集方式对WFCM的隶属度值进行修改,提出截集型特征加权模糊C-均值聚类算法：SWFCM。SWFCM不仅具有良好的特征提取能力,而且具有收敛速度快和对噪声稳健的优点。实验结果表明,SWFCM的总体性能优于原有的WFCM聚类算法和截集模糊C一均值聚类算法。     

一种改进的数字图像加密算法

为了能对经过剪切变换攻击的加密图像进行有效恢复,给出了一种基于混沌序列的数字图像加密算法,该方法在预处理的基础上,基于数字图像灰度矩阵位平面进行置乱加密,在恢复过程中通过象素邻域灰度信息进行恢复,能够有效抵御针对加密图像的剪切变换攻击,同时给出了一种非线性的、应用高维混沌系统产生二值序列的方法。实验表明,该方法具有较好的效率和安全性。     

信息安全专业人才培养模式浅析

随着网络的普及和发展,信息的安全问题日益突出,使得加强信息安全学科、专业和培训机构体系化建设刻不容缓。信息安全人才的培养需要从培养目标、专业定位、理论教学、实践教学和实验室建设等各个方面综合考虑,制定合理可行的信息安全人才培养模式。     

抑制式模糊C-均值聚类研究综述

模糊C-均值聚类及其各种变形和推广在实际应用中取得了巨大成就,获得了国际学者的广泛认可。目前,国际上形成了以硬C-均值聚类、模糊C-均值聚类、可能性C-均值聚类为基础的三大聚类算法簇。抑制式模糊C-均值聚类算法架起了连接硬C-均值聚类算法和模糊C-均值聚类算法的一个桥梁,本文就抑制式模糊C-均值聚类的研究现状进行综述,以期对该算法的更深入研究和应用起到推动作用。     

基于LBT-SA的LoRaWAN信道接入方法研究

标准LoRaWAN协议中定义的纯ALOHA信道接入方法在网络负载较大时会造成大量碰撞,使LoRa网络的可扩展性和可靠性受到极大挑战。为此提出了一种将先听后说与模拟退火相结合（Listen Before Talk combined with Simulated Annealing,LBT-SA）的LoRa信道接入方法。该方法通过在设备发送之前先监听信道,降低信道被同时接入的概率,并以成功传输所需退避时间为初始值,搜索更小的退避时间。仿真结果表明,LBT-SA和基于二元指数退避算法的先听后说（Listen Before Talk,LBT）方法在包成功传输率方面保持了高度的一致,并且LBT-SA在周期传输过程中逐渐减少了不必要的退避时间,从而减少了时延。在多达10 000个终端接入单个网关的场景中,该算法的平均退避时间至少降低了16.38%。     

基于模糊熵的多值图像恢复方法

提出了一种基于模糊熵的多值图像恢复方法．该方法根据熵在应用方面的局限性,对其表示的形式进行了扩展,构造了一类能够反映多值图像特点的模糊熵．仿真结果表明,用模糊熵进行图像恢复的效果明显好于另两种常用的图像恢复方法(中值滤波和均值滤波)得到的结果．另外,在医用图像和军事图像处理方面,多值图像的恢复是非常重要的．     

聚类中心的初始化方法

本文对用于聚类中心初始化的势函数的几个参数选择进行了讨论,给出了这些参数的两种形式,同时提出了一种新的使用密度函数法进行聚类中心初始化的方法,进行了一组对比实验,得到令人满意的结果。     

一种改进的核可能性C-均值聚类图像分割算法

可能性C-均值聚类(PCM)算法比传统模糊C-均值聚类算法具有更好的鲁棒性,但其应用于图像分割时没有充分考虑图像的局部空间信息。基于PCM算法,提出一种核空间与自适应中值滤波相结合的改进算法。算法利用自适应中值滤波获得像素的局部空间信息,并由此生成一种新的模糊因子加入到目标函数中,然后在核空间中对目标函数进行优化求解,得到最优聚类中心和隶属度。由实验结果可知,所提算法对被高椒盐噪声污染的图像具有较高的准确性和鲁棒性。     

划分系数与归一化型的比较研究

对J C .Bezdek提出的划分系数 ,基于样本最大分类信息的改进划分系数 ,以及二者的归一化形式的分类性能进行了实验分析 ,结果表明 ,归一化处理的分类性能有明显提高。     

一种新的高效软聚类方法:

本文提出了一种新的高效软聚类方法──截集模糊Ｃ－均值聚类（Ｓ２ＦＣＭ）．该方法将传统的硬聚类（ＨＣＭ）和经典的模糊聚类（ＦＣＭ）相统一，并进行了合理的推广而得出的一种有效的聚类方法，Ｓ２ＦＣＭ聚类算法的思想更符合人的分类习惯，模拟实验表明，其总体性能优于ＦＣＭ算法和ＨＣＭ算法。