一种云计算环境中用户身份信息隐私保护方法

以云计算环境下基于身份的密码体制研究为背景,分析模糊身份加密机制的具体流程,主要考虑模糊身份加密机制中用户身份信息的隐私保护问题,将阈值参数δ的选取抽象为身份描述信息集合中属性相关分析的研究;同时提出采用随机掩码技术保护用户身份信息隐私的方案建议.     

光子单缝衍射过程的动态模拟

随机游走的理论是蒙特卡罗中的重要组成部分,应用十分广泛,根据光子在观测屏上出现的几率密度分布函数进行随机抽样,便得到按此几率密度函数分布的随机数序列.再依据光子单缝衍射的几率密度函数,运用蒙特卡罗随机模拟方法,然后用费曼的路径积分理论对光子单缝衍射态和几率分布进行定量分析得出光子单缝衍射的几率密度函数.最后,借助Mat...     

基于激光散射特性的微粗糙面识别

为了研究不同类型微粗糙表面的激光散射特性,采用蒙特卡罗方法进行数值模拟,使用功率谱密度函数滤波建立随机粗糙面模型,以基尔霍夫切平面近似作为电磁场边界条件,利用斯特莱顿-朱兰成方程数值积分计算散射场,得到散射光强度分布与粗糙面统计参数、折射率、入射光波长的关系。计算结果表明,对于设定的多种微粗糙面,散射光强度分布特征具有明显不同,可以进行识别。     

空间直观森林景观模型空间不确定性的地统计学模拟

为了用尽可能小的蒙特卡罗模拟样本来反映模型模拟结果中的不确定性,把拉丁超几何体采样引入地统计随机模拟的LU分解算法.首先把拉丁超几何体采样与普通随机采样在LU分解算法中的表现进行比较,然后把基于拉丁超几何体采样的LU分解法应用于空间直观森林景观模型LANDIS的模拟.结果表明,与普通随机采样相比,拉丁超几何体采样能捕获更多的不确定性,特别是在蒙特卡罗模拟次数较少时.LANDIS模型的模拟结果表明,由地统计学随机模拟所引入的不确定性在象元尺度上随模拟时间增加而增加,但是在景观尺度上并没有受很大影响.这表明由地统计学随机模拟所参数化的LANDIS模型可用于大时空尺度森林景观变化的预测     

阈值协整参数的完全修正最小二乘估计的小样本性质

本文应用FM-OLS来估计阈值协整参数,并利用Monte-Carlo模拟详细研究了其小样本性质,结果表明FM-OLS法能修正OLS估计的小样本偏差,且数据过程的持久性(均值回复速度)、随机干扰项与解释变量的相关程度以及样本容量是影响FM-OLS小样本性质的主要因素.模拟结果还表明不论是阈值协整还是线性协整,FM-OLS都比OLS估计具有明显优势,因此在宏观经济协整分析中,利用FM-OLS法能获得较准确的参数估计,同时还可以利用标准分布对协整参数进行Wald检验.     

基于MicroStation的结构有限元分析接口构建

构建基于BIM系统的有限元分析接口,可以依托BIM模型实现工程数值模拟流程,有效整合资源。基于MicroStation模型数据库访问接口,转换模型几何信息为边界表示的描述。结合空间索引数据结构及哈希算法,实现几何对象的快速合并,获得模型的完整拓扑信息。在几何对象上定义附属信息及集合信息,为网格自动生成参数的设置及计算模型的材料绑定、荷载施加等操作提供基础。分析面板堆石坝几何模型的拓扑关系,构建连续体及界面网格的自动生成方法,并自动获得网格对象的集合。该接口对于提升BIM系统的应用水平具有重要意义。     

蒙特卡洛模拟在项目成本风险分析中的应用

对在不确定环境中的实际工程项目,可采用蒙特卡洛模拟进行成本风险分析,而传统的蒙特卡罗模拟方法忽略了对变量相关性的处理,这样做误差较大。文章拟通过实例讨论了因素相关性蒙特卡罗随机模拟模型,使模型的建立更具科学性,解释分析结果并为项目决策提供了依据。     

基于改进模糊粗糙集的数学分类模型研究与仿真

在对数学分类模型进行分析的过程中,容易出现分类规则含义不明确,形式复杂等问题,导致传统的数学分类模型,由于采用学习算法对模型参数进行调整,无法有效实现数学分类,提出一种基于改进模糊粗糙集的数学分类模型,在模糊信息观下对模糊粗糙集进行分析。将互信息引入模糊粗糙集的分析中,对模糊决策表中模糊属性的相对重要性进行度量。通过bottom-up形式对相对约简进行计算。将空集作为初始点,依据属性重要性,逐次获取重要属性将其添加至集合中,直至达到终止条件。通过DTRS对数据集进行属性约简,将约简结果当成模型的输入变量。对数学分类模型的输入变量进行离散化处理。对决策表中的重复样本及通过冗余条件获取的决策表进行删除,获取决策规则。通过设定阈值对置信度较低的模糊规则进行过滤,删除因噪声样本形成的错误规则。仿真实验结果表明,所提方法具有很高的分类精度。     

基于模糊滤镜在图形图像处理方面的研究与应用

本文旨在研究模糊算法,选取PS滤镜集合中的模糊滤镜做深入研究和分析,主要选取了高斯模糊、表面模糊、运动模糊做详细分析,分析其算法的同时,对各个模糊的原理进行剖析,分析了如何实现,改变了什么,能用在什么场合中等等。     

基于ANSYS的管材对接焊数值模拟

本文基于ANSYS有限元软件对V型坡口管材进行焊接模拟,建立三维实体模型和有限元模型,利用内生热的加载方式结合单元生死技术实现焊接过程的模拟。通过模拟计算获得焊接温度场的分布规律,得出焊道不同位置节点温度循环曲线图,并对焊接结果进行了分析和讨论。     

模糊需求环境下的连续盘点(Q,r)库存模型

传统库存模型中大多采用随机理论处理不确定性,然而当决策者不清楚资料数据服从何种概率分布时,适合采用模糊理论处理不确定性。本文用模糊数表示需求的不确定性,提出了一种采用连续盘点(Q,r)库存控制策略的模糊库存模型,并利用模拟退火算法求解最佳订货点和最优订货批量。     

不确定条件下R＆D项目组合风险测度及选择优化

应用模糊集理论描述R＆D项目组合的模糊不确定性，引入模糊熵建立不确定条件下的R＆D项目组合风险测度。进而提出不确定条件下R＆D项目组合选择优化模型。运用定性可能性原理完成了模糊规划的清晰化过程，并结合算例进行了应用研究。     

Periodic dynamics for nonlocal Hopfield neural networks with random initial data

In this paper, a class of nonlocal Hopfield neural networks with random initial data is introduced, where the randomness may be of probability uncertainty. Sufficient conditions are derived to ensure the existence and globally exponential convergence of periodic solution for the addressed system in the frame of nonlinear expectation and linear expectation, respectively. Moreover, numerical examples are given to show the effectiveness of the obtained results.     

区间两相模糊多目标模型在种植结构优化中的应用——以辽宁省大连市为例

针对基于“Max-min”算子的区间模糊多目标规划仅采用一或两个控制变量放松所有目标和模糊约束会造成某些约束过满意而某些约束不满意的情况,本文引入两相模糊规划,构建了区间-两相模糊多目标规划模型,并以辽宁省大连市种植结构优化为例进行研究。结果表明,该模型引入多个控制变量放松每个不确定目标和约束条件,且要求它们分别不小于“Max-min”算子中相应目标和约束条件的隶属度,更充分地利用了约束资源,保证了求解的有效性,减少了农业灌溉用水量;另外区间形式的最优解及4种不同情景的优化方案为决策者提供了决策空间,更真实地反映输入参数的不确定性对配置结果的影响。     

Query-focused multi-document summarization using hypergraph-based ranking

General graph random walk has been successfully applied in multi-document summarization, but it has some limitations to process documents by this way. In this paper, we propose a novel hypergraph based vertex-reinforced random walk framework for multi-document summarization. The framework first exploits the Hierarchical Dirichlet Process (HDP) topic model to learn a word-topic probability distribution in sentences. Then the hypergraph is used to capture both cluster relationship based on the word-topic probability distribution and pairwise similarity among sentences. Finally, a time-variant random walk algorithm for hypergraphs is developed to rank sentences which ensures sentence diversity by vertex-reinforcement in summaries. Experimental results on the public available dataset demonstrate the effectiveness of our framework.     

基于模糊控制的PID控制器研究

在工业控制过程中,由于被控对象具有时变、非线性、不确定等因素,常规PID控制算法难以满足控制要求。本文设计了一种模糊PID控制器可实现对该类工业对象的控制,利用模糊推理在线整定PID控制器的3个参数Kp、Ki、Kd。通过仿真实验,表明该控制器取得了较好的快速性和稳定性。     

基于聚集密度的自适应选择多目标进化算法

分析了线性选择方法的两个缺陷,提出了一种基于聚集密度的非线性自适应选择方法。算法基本思想是：首先将每代种群划分成Pareto劣解集和Pareto非劣解集,然后依照个体的聚集密度分别在劣解集和非劣解集中构造一种偏序集,分别按照不同的等概率在这两个偏序集中选择个体,其中劣解偏序集的个体选择概率远小于非劣解偏序集的个体选择概率,根据两个偏序集中的容量自动计算出两个选择概率。这种非线性选择方法既体现了劣解集和非劣解集中个体的绝对平等性及非劣解集对劣解集的相对优先选择权,又充分考虑到了Pareto最优解的分布性。理论分析和数值计算表明,这种新的选择机制不仅能改善排序选择法的收敛性,而且能得到分布性良好的Pareto最优解。     

Extended evidential cognitive maps and its applications

Evidential cognitive maps (ECMs) are uncertain graph structure for describing causal reasoning through the cognitive maps (CMs) and Dempster–Shafer (D-S) theory, and utilize the basic probability assignments (BPAs) and intervals to denote connections among concepts and the state of concepts, respectively. ECMs have been proved effective and convenient in modeling those systems with both subjective and objective uncertainty. However, ECMs may get unreasonable results in system modeling when facing the problem of combining knowledge. To overcome the drawbacks of ECMs, we present extended evidential cognitive maps (EECMs) based on evidential reasoning (ER) theory, distance measure and convex optimization for the development of ECMs. In contrast with ECMs, in the EECMs, the default connections are redefined, a scheme of combining knowledge is established through the ER theory, and a convex-optimization-based approach is proposed for determining the weights of different EECMs. Both theoretical analysis and numerical examples indicate that EECMs not only develop ECMs, but also can overcome the limitations suffered by ECMs and other high-order cognitive maps including fuzzy grey cognitive maps (FGCMs), interval-valued fuzzy cognitive maps (IVFCMs) and intuitionistic fuzzy cognitive maps (IFCMs).     

A weighted ML-KNN based on discernibility of attributes to heterogeneous sample pairs

As a well-known multi-label classification method, the performance of ML-KNN may be affected by the uncertainty knowledge from samples. The rough set theory acts as an effective tool for data uncertainty analysis, which can identify the samples easy to cause misclassification in the learning process. In this paper, a hybrid framework by fusing rough sets with ML-KNN for multi-label learning is proposed, whose main idea is to depict easy misclassified samples by rough sets and to measure the discernibility of attributes for such samples. First, a rough set model titled NRFD_RS based on neighborhood relations and fuzzy decisions is proposed for multi-label data to find the heterogeneous sample pairs generated from the boundary regions of each label. Then, the weight of an attribute is defined by evaluating its discernibility to those heterogeneous sample pairs. Finally, a weighted HEOM distance is reconstructed and utilized to ML-KNN. Comprehensive experimental results with fourteen public multi-label data sets, including ten regular-scale and four larger-scale data sets, verify the effectiveness of the proposed framework relative to several state-of-the-art multi-label classification methods.     

随机模糊环境下的动态供应链优化设计

针对供应链设计过程中影响因素不确定以及消费者需求动态变化的问题,引入随机模糊变量描述供应链优化设计中存在的不确定现象,并考虑消费者需求变化率是一个随机模糊变量的情况,提出基于随机模糊变量的动态单产品、多阶段、多目标的混整成本优化模型。同时,通过与静态模型的比较,证明该模型的有效性。