論文元數(shù)據(jù)搜索，找到相關(guān)信息共 7 條：
2006, 28(8): 1530-1532.
刊出日期：2006-08-19
關(guān)鍵詞:
Whitenoise序列密碼;密碼分析;預(yù)測攻擊;等效密鑰
Whitenoise是由BSB Utilities公司提出的一個(gè)序列密碼算法。Wu在2003年8月巧妙地給出了破譯Whitenoise算法的一個(gè)解方程組方法。該文對Wu的破譯算法進(jìn)行了深入分析, 證明了Wu方法的兩個(gè)基本假設(shè)是錯(cuò)誤的, 因而Wu的方法不可能求出正確密鑰。此外, 該文還對Wu的破譯方法進(jìn)行了改進(jìn), 給出了求解Whitenoise密碼的秘密整數(shù)和秘密素?cái)?shù)的方法, 并給出了對Whitenoise密碼的一個(gè)預(yù)測攻擊方法, 利用該方法可由其前80445個(gè)亂數(shù)求出其任一時(shí)刻的亂數(shù)。此外, 該文還給出了求出其全部秘密要素的一個(gè)思路。
2014, 36(5): 1126-1132.
doi: 10.3724/SP.J.1146.2013.00400
刊出日期：2014-05-19
該文針對圖像融合領(lǐng)域內(nèi)難于對先驗(yàn)知識(shí)加以利用的問題提出一種新的有監(jiān)督學(xué)習(xí)的Takagi Sugeno Kang (TSK)模糊系統(tǒng)圖像融合方法。該方法通過引入TSK模糊系統(tǒng)構(gòu)建標(biāo)準(zhǔn)圖像融合圖像庫進(jìn)行學(xué)習(xí)，將學(xué)習(xí)準(zhǔn)則記錄下來形成融合模型，并指導(dǎo)新的圖像融合過程。不同于傳統(tǒng)方法，該方法可以有效地避免模型參數(shù)擇優(yōu)的難題，在融合圖像質(zhì)量和適用范圍方面表現(xiàn)出一定的優(yōu)勢。從單一類型圖像融合和多種類型圖像融合兩個(gè)角度進(jìn)行了實(shí)驗(yàn)研究，實(shí)驗(yàn)結(jié)果說明該方法的有效性。
1988, 10(2): 127-136.
刊出日期：1988-03-19
關(guān)鍵詞:
電磁導(dǎo)彈; 頻譜漸近條件; 瞬態(tài)場
本文發(fā)展了T.T.Wu教授(1985)提出的電磁導(dǎo)彈理論,總結(jié)出能產(chǎn)生電磁導(dǎo)彈效應(yīng)的激勵(lì)信號(hào)頻譜漸近條件,提出了幾種可能的電磁導(dǎo)彈系統(tǒng)。
2006, 28(1): 151-153.
刊出日期：2006-01-19
關(guān)鍵詞:
認(rèn)證加密;簽名;公開驗(yàn)證;機(jī)密性
該文對可轉(zhuǎn)變認(rèn)證加密進(jìn)行了研究，指出了Wu-Hsu(2002)方案和Huang-Chang(2003)方案中存在的問題，分別給出了這兩個(gè)方案的改進(jìn)方案，很好地解決了認(rèn)證加密方案的公開驗(yàn)證問題。
1990, 12(6): 584-592.
刊出日期：1990-11-19
關(guān)鍵詞:
正交變換; 離散哈脫萊變換; 分離基算法
Soo-Chang Pei,Ja-Ling wu(1986)和茅一民(1987)提出了長度為2m的分離基2/4哈脫萊變換算法。本文將分離基算法推廣到長度為pm的哈脫萊變換,并證明基p2算法實(shí)乘次數(shù)比基p算法少,而基p/p2算法實(shí)乘次數(shù)比前兩者都少。作為例子,給出了長度為N=3m的基3/9哈脫萊變換快速算法和流圖。
2007, 29(11): 2669-2671.
doi: 10.3724/SP.J.1146.2006.00604
刊出日期：2007-11-19
關(guān)鍵詞:
語音編碼;基音量化;波形內(nèi)插
基音在語音編碼中通常采用7bit無失真均勻量化。由于濁音段語音的基音普遍具有緩慢漸變的特點(diǎn)，為了更有效地去除前后幀基音之間存在的相關(guān)性，該文基于Eriksson和Kang提出的4bit基音量化算法，針對漢語語音進(jìn)行研究，實(shí)現(xiàn)了一套4~6bit基音量化算法。該算法計(jì)算簡單，無需碼書存儲(chǔ)。將此基音量化方案應(yīng)用于WI模型和WI編碼器，主觀A/B聽力測試結(jié)果表明，該方案在高效量化基音的同時(shí)保證了合成語音質(zhì)量幾乎沒有損失，完全滿足低速率WI編碼器對量化基音的要求。
2015, 37(9): 2082-2088.
doi: 10.11999/JEIT150074
刊出日期：2015-09-19
經(jīng)典數(shù)據(jù)驅(qū)動(dòng)型TSK(Takagi-Sugeno-Kang)模糊系統(tǒng)在獲取模糊規(guī)則時(shí)，會(huì)考慮數(shù)據(jù)的所有特征空間，其帶來一個(gè)重要缺陷：如果數(shù)據(jù)的特征空間維數(shù)過高，則系統(tǒng)獲取的模糊規(guī)則繁雜，使系統(tǒng)復(fù)雜度增加而導(dǎo)致解釋性下降。該文針對此缺陷，探討了一種基于模糊子空間聚類的〇階L2型TSK模糊系統(tǒng)(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)構(gòu)建新方法。新方法構(gòu)建的模糊系統(tǒng)不僅能縮減模糊規(guī)則前件的特征空間，而且獲取的模糊規(guī)則可對應(yīng)于不同的特征子空間，從而具有更接近人類思維的推理機(jī)制。模擬和真實(shí)數(shù)據(jù)集上的建模結(jié)果表明，新方法增強(qiáng)了面對高維數(shù)據(jù)所建模型的解釋性，同時(shí)所建模型得到了較之于一些經(jīng)典方法更好或可比較的泛化性能。
