检索结果-内蒙古大学图书馆

工程数学学报 2021年第4期38卷 490-502页

作者：许丽婷李进金林艺东李怡靓闽南师范大学数学与统计学院漳州363000 福建省粒计算及其应用重点实验室漳州363000

覆盖决策信息系统是研究热点之一,其中对于决策为覆盖的覆盖决策信息系统研究较少.本文利用特征函数将覆盖决策信息系统中以覆盖刻画的决策转化为由0和1组成的形式背景,进而给出了多决策覆盖信息系统的定义.在多决策覆盖信息系统中,通... 详细信息

覆盖决策信息系统是研究热点之一,其中对于决策为覆盖的覆盖决策信息系统研究较少.本文利用特征函数将覆盖决策信息系统中以覆盖刻画的决策转化为由0和1组成的形式背景,进而给出了多决策覆盖信息系统的定义.在多决策覆盖信息系统中,通过构造相应的辨识矩阵,讨论了两类覆盖的约简,并研究了这两类约简对应的覆盖协调集与覆盖决策信息系统中上近似协调集之间的关系.

关键词：多决策覆盖信息系统辨识矩阵覆盖约简

来源：评论

学校读者我要写书评

暂无评论

有限域上的正规元与不可约多项式

引用

数学学报（中文版） 2024年第4期67卷 624-633页

作者：曹炜李卫华徐碧云闽南师范大学数学与统计学院漳州363000 福建省粒计算及其应用重点实验室漳州363000 宁波大学数学与统计学院宁波315211

设F_(q)为q阶有限域,F_(q)^(n)为F_(q)的n次扩域.设α∈F_(q)^(n),若{α,α^(q),...,α^(q^(n-1))}构成F_(q)^(n)/F_(q)的一组基,称α为F_(q)^(n)/F_(q)的正规元.正规元可用来加速有限域上的算术运算,因而在编码和密码中具有重要应用.正规元的极小多项式一定是非零迹的不可约多项式,但反之未必成立.本文利用线性化多项式给出了关于该问题的一组充分必要条件,推广了已知结论.

关键词：有限域正规元线性化多项式不可约多项式

来源：评论

学校读者我要写书评

暂无评论

区块链环境下用户身份匿名的量子委托计算协议

引用

电子科技大学学报 2022年第6期51卷 802-811页

作者：王育齐陈庚钱伟中闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000 电子科技大学信息与软件工程学院成都610054

在大数据背景下,数据安全与身份安全同等重要。其中,身份的盲性值得特别关注。为满足量子委托计算对数据与身份盲性的需求,提出一个在区块链环境下进行,能兼顾数据安全与身份安全的匿名量子委托计算协议。协议不依赖可信的第三方,用户... 详细信息

在大数据背景下,数据安全与身份安全同等重要。其中,身份的盲性值得特别关注。为满足量子委托计算对数据与身份盲性的需求,提出一个在区块链环境下进行,能兼顾数据安全与身份安全的匿名量子委托计算协议。协议不依赖可信的第三方,用户能够匿名地参与委托计算协议,无需展示身份信息就可以完成委托的发送与结果的接收。在发送计算委托时,Alice使用环形网络对身份进行混淆以隐藏发送方。Bob使用受控量子隐形传态安全且匿名地反馈委托计算结果。另外,协议引入区块链技术协助第三方Charlie对用户的支付进行匿名审批。协议使用到的区块链与量子技术基本已实现,因此协议具有较高的可行性。进一步提出了改进协议,用户可以通过比对多委托方的计算结果来实现委托计算结果的可验证。该文提出的协议是一个面向大数据环境的实用协议框架,具有很好的迁移性。

关键词：区块链身份安全量子委托计算量子隐形传态

来源：评论

学校读者我要写书评

暂无评论

姜荷花SSR分子标记的开发及遗传多样性分析

引用

福建热作科技 2025年第1期50卷 1-4页

作者：江素华王晓娟柯玲俊林金水陆銮眉余惠文闽南师范大学生物科学与技术学院/闽台特色园林植物福建省高校重点实验室福建漳州363000 漳州市金銮园艺有限公司363000

以前期转录组测序结果为基础,利用SSR分子标记技术对姜荷花SSR引物进行开发,并验证所开发引物的通用性及有效性,分析其多态性。用Primer 6.0软件设计的97对引物在姜荷花资源中进行验证,确定了32对具有多态性的SSR引物。32对引物多态信... 详细信息

以前期转录组测序结果为基础,利用SSR分子标记技术对姜荷花SSR引物进行开发,并验证所开发引物的通用性及有效性,分析其多态性。用Primer 6.0软件设计的97对引物在姜荷花资源中进行验证,确定了32对具有多态性的SSR引物。32对引物多态信息含量(polymorphism information content,PIC)平均值为0.5047,期望杂合度(expected heterozygosity,He)平均值为0.284。Shannon遗传多样性指数(Shannon's information index,I)平均值为0.435;平均遗传分化系数(genetic differentiation,Fst)为0.642。通过N-J聚类图分析,得出此32对引物可有效理清10份姜荷花资源之间的亲缘关系。为姜荷花各品种的重要性状基因遗传定位和遗传多样性的研究提供了重要基础数据,有利于姜荷花的鉴定及遗传研究。

关键词：姜荷花 SSR 标记开发遗传多样性

来源：评论

学校读者我要写书评

暂无评论

面向对象概念格上的近似概念及概念认知

引用

南京理工大学学报 2023年第3期47卷 412-422页

作者：王大利许晴媛何丽琴张培林李进金闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000 漳州职业技术学院通识教育学院福建漳州363000 闽南师范大学数学与统计学院福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000

针对概念认知问题,该文通过形式背景中任意对象(属性)集在面向对象(属性)概念格中形成的下近似概念外延(内涵)和上近似概念外延(内涵),探讨了面向对象(属性)概念、面向对象(属性)下近似概念、面向对象(属性)上近似概念之间的关系,得到... 详细信息

针对概念认知问题,该文通过形式背景中任意对象(属性)集在面向对象(属性)概念格中形成的下近似概念外延(内涵)和上近似概念外延(内涵),探讨了面向对象(属性)概念、面向对象(属性)下近似概念、面向对象(属性)上近似概念之间的关系,得到在面向对象(属性)概念格中生成下、上近似概念的一种有效方法。对于面向对象概念格中任一概念,由其外延形成的下近似概念和上近似概念是它本身;对于面向属性概念格中任一概念,由其内涵形成的下近似概念和上近似概念也是它本身。同时通过举例说明。另外,将近似概念应用于面向对象(属性)概念格中进行概念认知并给出相应算法。对于给定的任一对象(属性)集线索,通过其形成的近似集去逼近该线索,得到1个精确概念或者2个近似概念,以进行概念认知。同时给出概念学习精度来衡量概念认知的准确性。

关键词：面向对象面向属性概念格近似概念概念认知概念学习精度

来源：评论

学校读者我要写书评

暂无评论

有监督深度学习的优化方法研究综述

引用

中国图象图形学报 2023年第4期28卷 963-983页

作者：江铃燚郑艺峰陈澈李国和张文杰闽南师范大学计算机学院漳州363000 数据科学与智能应用福建省高校重点实验室漳州363000 中国石油大学信息科学与工程学院北京102249

随着大数据的普及和算力的提升,深度学习已成为一个热门研究领域,但其强大的性能过分依赖网络结构和参数设置。因此,如何在提高模型性能的同时降低模型的复杂度,关键在于模型优化。为了更加精简地描述优化问题,本文以有监督深度学习作... 详细信息

随着大数据的普及和算力的提升,深度学习已成为一个热门研究领域,但其强大的性能过分依赖网络结构和参数设置。因此,如何在提高模型性能的同时降低模型的复杂度,关键在于模型优化。为了更加精简地描述优化问题,本文以有监督深度学习作为切入点,对其提升拟合能力和泛化能力的优化方法进行归纳分析。给出优化的基本公式并阐述其核心;其次,从拟合能力的角度将优化问题分解为3个优化方向,即收敛性、收敛速度和全局质量问题,并总结分析这3个优化方向中的具体方法与研究成果;从提升模型泛化能力的角度出发,分为数据预处理和模型参数限制两类对正则化方法的研究现状进行梳理;结合上述理论基础,以生成对抗网络(generative adversarial network,GAN)变体模型的发展历程为主线,回顾各种优化方法在该领域的应用,并基于实验结果对优化效果进行比较和分析,进一步给出几种在GAN领域效果较好的优化策略。现阶段,各种优化方法已普遍应用于深度学习模型,能够较好地提升模型的拟合能力,同时通过正则化缓解模型过拟合问题来提高模型的鲁棒性。尽管深度学习的优化领域已得到广泛研究,但仍缺少成熟的系统性理论来指导优化方法的使用,且存在几个优化问题有待进一步研究,包括无法保证全局梯度的Lipschitz限制、在GAN中找寻稳定的全局最优解,以及优化方法的可解释性缺乏严格的理论证明。

关键词：机器学习深度学习深度学习优化正则化生成对抗网络(GAN)

来源：评论

学校读者我要写书评

暂无评论

格上无陷门的基于证书盲签名

引用

闽南师范大学学报（自然科学版） 2022年第4期35卷 35-40页

作者：陈江山闽南师范大学数据科学与统计重点实验室福建漳州363000 闽南师范大学数学与统计学院福建漳州363000

基于Lyubashevsky的拒绝采样技术,构造一个格上无陷门的基于证书盲签名方案.该盲签名方案避免了使用格上的陷门技术.该方案具备了必要的无条件盲性和不可加一伪造性,所需的存储空间较小,通信量也较小.由于方案使用无陷门技术,故而方案... 详细信息

基于Lyubashevsky的拒绝采样技术,构造一个格上无陷门的基于证书盲签名方案.该盲签名方案避免了使用格上的陷门技术.该方案具备了必要的无条件盲性和不可加一伪造性,所需的存储空间较小,通信量也较小.由于方案使用无陷门技术,故而方案的计算复杂度也较小.

关键词：格密码无陷门基于证书数字签名盲签名

来源：评论

学校读者我要写书评

暂无评论

面向对象删除的局部邻域粗糙集动态更新算法

引用

山东大学学报（理学版） 2023年第5期58卷 17-25页

作者：时俊鹏张燕兰闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

为了有效地计算动态数值型数据的近似算子,提出了一种局部邻域粗糙集模型的动态更新算法,分析对象集减少时局部近似集的更新公式,设计获取局部近似集的动态算法。动态更新算法充分利用已有知识,避免了大量重复计算。为了验证算法的有效... 详细信息

为了有效地计算动态数值型数据的近似算子,提出了一种局部邻域粗糙集模型的动态更新算法,分析对象集减少时局部近似集的更新公式,设计获取局部近似集的动态算法。动态更新算法充分利用已有知识,避免了大量重复计算。为了验证算法的有效性,使用来自UCI的6组数据集进行了对比实验。

关键词：邻域信息系统局部邻域粗糙集对象删除近似集动态更新

来源：评论

学校读者我要写书评

暂无评论

格上无陷门的无证书签名

引用

闽南师范大学学报（自然科学版） 2021年第4期34卷 32-38页

作者：梁红梅闽南师范大学数据科学与统计重点实验室福建漳州363000 闽南师范大学数学与统计学院福建漳州363000

格基密码是后量子密码的重要研究热点.然而,格上陷门技术的效率问题,一直影响着格基密码的实用化.Lyubashevsky的拒绝采样技术可以避免陷门技术的效率问题.基于Lyubashevsky的拒绝采样技术,构造了一个格上的无证书数字签名方案.该方案... 详细信息

格基密码是后量子密码的重要研究热点.然而,格上陷门技术的效率问题,一直影响着格基密码的实用化.Lyubashevsky的拒绝采样技术可以避免陷门技术的效率问题.基于Lyubashevsky的拒绝采样技术,构造了一个格上的无证书数字签名方案.该方案没有使用陷门技术,且可证明在随机谕言机模型下对适应性选择消息和身份攻击是强不可伪造的.在计算效率和安全性上优于其他的格上无证书签名方案.

关键词：格密码无证书数字签名无陷门随机谕言机

来源：评论

学校读者我要写书评

暂无评论

局部加权邻域多粒度粗糙集

引用

模糊系统与数学 2022年第6期36卷 64-78页

作者：樊祥宁张燕兰闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

为处理粒度质量不均衡型数据,加权多粒度粗糙集及加权平均多粒度决策粗糙集被先后提出,其拓宽了多粒度粗糙集的应用范围。然而,随着数据规模剧增,传统模型已无法满足实际需求。利用矩阵算法计算近似算子有利于提高计算效率,但其空间复... 详细信息

为处理粒度质量不均衡型数据,加权多粒度粗糙集及加权平均多粒度决策粗糙集被先后提出,其拓宽了多粒度粗糙集的应用范围。然而,随着数据规模剧增,传统模型已无法满足实际需求。利用矩阵算法计算近似算子有利于提高计算效率,但其空间复杂度相对较高。为此,本文提出局部加权邻域多粒度粗糙集模型,将局部粗糙集模型与矩阵理论相结合以降低矩阵算法的时间和空间复杂度。首先,给出局部加权邻域多粒度粗糙集模型的定义和性质;随后,设计出计算近似算子的矩阵算法。最后,通过实验在6个UCI数据集中验证局部算法比全局算法具有更高的时间效率。

关键词：局部粗糙集加权多粒度粗糙集邻域信息系统矩阵近似算子

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：