中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金 作品数:34 被引量:184 H指数:6 相关作者: 闫德勤 郑宏亮 刘胜蓝 张岩 吴晓婷 更多>> 相关机构: 辽宁师范大学 大连理工大学 沈阳医学院 更多>> 发文基金: 辽宁省教育厅高等学校科学研究项目 国家自然科学基金 大连市科技局科技计划项目 更多>> 相关领域: 自动化与计算机技术 更多>>
一种改进的CAIM算法 被引量:1 2010年 在CAIM算法中,离散判别式仅考虑了区间中最多的类与属性间的依赖度,使离散化过度而导致结果不精确。基于此,提出对CAIM的改进算法,该算法考虑到按属性重要性从小到大顺序进行离散,同时根据粗糙集理论提出条件属性可分辨率概念,与近似精度同时控制信息表最终的离散程度,有效解决了离散化过度问题。实验通过C4.5和支持向量机分别对离散化后的数据进行识别和分类预测,结果证明了该算法的有效性。 李慧 闫德勤 张迎春关键词:连续属性离散化 粗糙集 一种使MD5算法产生更强雪崩效应的方法 被引量:1 2010年 通过研究不同的差分分析对MD5算法的攻击后发现,差分分析攻击之所以可以成功,是因为在MD5算法中改变了明文中一些特定位,而这些特定位的改变在许多轮中最多只影响链接变量的几个位,并且这些小的差分能在随后的多轮操作中得到纠正,从而产生了碰撞。这就说明原MD5算法的雪崩效应不能阻止差分分析的攻击,而为了提高MD5算法的安全性,必须提高其雪崩效应的敏感性。分析结果表明,用动态明文变化函数对MD5算法进行修改,能使其产生更敏感的雪崩效应,以此来有效防止差分分析攻击,提高MD5算法的安全性。 张鑫彦 闫德勤关键词:HASH函数 MD5算法 差分分析 基于密度信息的改进降维方法 2013年 扩散映射(diffusion maps)是一种基于流形学习的非线性降维方法。为了提高降维的效果,根据近邻点的选取对diffusion maps的降维效果影响,利用数据近邻点分布的不同,挖掘该数据点局部的密度信息,能够更好地保持数据的流形结构。利用样本点聚类后的类别信息构造密度信息指数,提出了一种改进的diffusion maps算法,有效地保持了高维数据中的流形结构,所提的新算法在多种实验中得到了证实。 贾洪哲 闫德勤 张岩关键词:流形学习 降维 聚类 基于优化的LMNLDA的人脸识别研究 被引量:1 2011年 提出了一种优化的LMNLDA的人脸识别方法。为了减弱边缘类对投影方向的主导作用,重新定义类间散度矩阵,克服了边缘类对选择最佳投影方向的影响,从而达到最优化。同时,在计算特征值时通过因数分解的方法避免了对矩阵求逆,解决了小样本问题。在人脸数据库YALE、ORL和PIE上进行试验,证明实验结果的有效性。 苗春玉 闫德勤关键词:线性判别分析 散度矩阵 人脸识别 一种基于局部线性嵌入的多流形学习算法 被引量:3 2012年 针对局部线性嵌入算法在处理多流形数据时失效问题,提出一种新的基于局部线性嵌入的多流形学习算法.采用cam分布寻找数据点的近邻,避免了近邻选取方向的缺失;同时在获取重建权值矩阵的过程中引入一个正则项约束,从而降低了算法对噪声的敏感度.通过对分布在不同流形上的高维数据实验后发现改进算法具有很好的降维效果.为了进一步验证算法的有效性,将改进后的算法对COIL-20数据库进行图像检索,结果表明该算法不仅有较好的降维效果而且在多类别多形状流形学习中有很好的实用价值. 李燕燕 闫德勤 刘胜蓝 郑宏亮关键词:正则化 局部线性嵌入 结合正态分布概率的FSVM 被引量:1 2010年 针对当前模糊支持向量机(FSVM)一般使用特征空间样本与类中心之间的距离构建隶属度函数的不足,提出了一种计算FSVM的隶属度的新方法。首次使用基于正态分布概率的π型隶属度函数来计算隶属度,根据正态分布的特性,在考虑数据分布规律的同时求得数据点的隶属值,使得求得的数据能够更加准确地反应数据的特点,进而获得更好的分类函数。实验表明,这种方法较SVM和FSVM相比,降低了噪声数据的影响,并且有效地提高了分类的准确率。 刘婷婷 闫德勤 王琳关键词:支持向量机 模糊支持向量机 数据降维方法分析与研究 被引量:80 2009年 全面总结现有的数据降维方法,对具有代表性的降维方法进行了系统分类,详细地阐述了典型的降维方法,并从算法的时间复杂度和优缺点两方面对这些算法进行了深入的分析和比较。最后提出了数据降维中仍待解决的问题。 吴晓婷 闫德勤关键词:数据降维 主成分分析 局部线性嵌入 等度规映射 计算复杂度 二次剩余下改进He-Dawson的多秘密共享方案 2011年 研究了He-Dawson所提出的基于单向函数的多步骤秘密共享方案,指出该方案是一次方案而且不能抵抗合谋攻击,结合基于身份验证的密码学多秘密共享方案和利用二次剩余构造的数字签名方案,提出了一种利用二次剩余构造一个多秘密共享方案,该方案功能是一种(t,n)门限的多秘密共享方案。该方案中,由秘密分发者分发秘密,但每个参与者可以验证由秘密分发者分发的秘密,可以防止秘密分发者的欺骗,并且每个参与者能够验证其他合作者的欺骗。另外,每个参与者选取的子秘密可以复用,组秘密可以以任意顺序重构,同时该方案还能够抵抗合谋攻击。其安全性是基于Shamir门限方案和RSA密钥体制。在大整数分解困难离散对数难分解等问题的假设下,证明了提出的方案是安全的。 白凤伟 闫德勤 张鑫彦 郑宏亮关键词:多秘密共享 大整数分解 一种基于粗糙集理论的连续属性离散化新算法 被引量:7 2010年 粗糙集理论中要求离散化保持原有决策系统的不可分辨关系,但以往的一些算法在离散过程中会使近似精度控制在可以接受的范围,即允许一定的错分。针对此不足,在保证决策属性绝对不改变的情况下,提出一种新的区间拆分方法,更合理有效地对连续属性进行离散化。实验通过C4.5和支持向量机分别对离散化后的数据进行识别与分类预测,实验结果证明了算法的有效性。 李慧 闫德勤 韩丽关键词:连续属性离散化 粗糙集 决策表 数据挖掘 改进的非线性数据降维方法及其应用 被引量:6 2011年 局部线性嵌入算法(Locally Linear Embedding,LLE)是基于流形学习的非线性降维方法之一。LLE利用样本点的近邻点的线性组合对每个样本点进行局部重构,而不同近邻个数的选取会产生不同的重构误差,从而影响整体算法的实施。提出了一种LLE的改进算法,算法有效地降低了近邻点个数对算法的影响,并很好地学习了高维数据的流形结构。所提方法的有效性在人造和真实数据的对比实验中得到了证实。 吴晓婷 闫德勤关键词:数据降维 流形学习 局部线性嵌入 图像检索