論文元數(shù)據(jù)搜索，找到相關(guān)信息共 3 條：
2007, 29(11): 2734-2737.
doi: 10.3724/SP.J.1146.2006.00365
刊出日期：2007-11-19
論文探討了TMA(目標(biāo)運(yùn)動(dòng)分析)中基本的非線性估計(jì)問題；介紹了粒子濾波(PF)的基本思想和輔助變量PF(AVPF)的基本算法，特別針對空對海單站只測方位TMA(BO-TMA)問題應(yīng)用AVPF和EKF(擴(kuò)展卡爾曼濾波)進(jìn)行了對照研究；建立了問題的離散非線性濾波估計(jì)模型；設(shè)計(jì)了典型的應(yīng)用場景；給出了Monte Carlo仿真運(yùn)行結(jié)果；表明AVPF具有更高的估計(jì)精度、更好的收斂特性和濾波一致性。
2007, 29(1): 201-204.
doi: 10.3724/SP.J.1146.2005.00574
刊出日期：2007-01-19
關(guān)鍵詞:
環(huán)簽名;雙線性對;偽造攻擊;GDP(Gap Diffie-Hellman)
通過對Xu(2004)和Zhang(2004)提出的兩種環(huán)簽名方案進(jìn)行分析，指出了這兩種環(huán)簽名方案都容易受到群成員改變攻擊(group-changing attack)，并給出了攻擊方法；另外，Zhang的方案還容易受到多已知簽名存在偽造(multiple-known-signature existential forgery)攻擊。為防范這兩種攻擊，對這兩種環(huán)簽名方案進(jìn)行了改進(jìn)，改進(jìn)后的方案在最強(qiáng)的安全模型(Joseph, 2004提出)中仍是安全的。
2022, 44(8): 2949-2956.
doi: 10.11999/JEIT210537
刊出日期：2022-08-17
針對目前圖像隱寫檢測模型中線性卷積層對高階特征表達(dá)能力有限，以及各通道特征圖沒有區(qū)分的問題，該文構(gòu)建了一個(gè)基于多層感知卷積和通道加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)隱寫檢測模型。該模型使用多層感知卷積(Mlpconv)代替?zhèn)鹘y(tǒng)的線性卷積，增強(qiáng)隱寫檢測模型對高階特征的表達(dá)能力；同時(shí)引入通道加權(quán)模塊，實(shí)現(xiàn)根據(jù)全局信息對每個(gè)卷積通道賦予不同的權(quán)重，增強(qiáng)有用特征并抑制無用特征，增強(qiáng)模型提取檢測特征的質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該檢測模型針對不同典型隱寫算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的檢測準(zhǔn)確率，與最優(yōu)的Zhu-Net相比，準(zhǔn)確率提高1.95%～6.15%。
