山东大学学报(理学版)杂志

山东大学学报(理学版)杂志2022年第7期

• 分离模糊集合(A(-overF),AF)与模糊信息智能融合

  史开泉,李守伟

  利用内-分离论域、外-分离论域与分离论域,改进了L.A.Zadeh模糊集合,提出了由内-分离模糊集合与外-分离模糊集合共同组成的分离模糊集合。利用分离模糊集合,给出了模糊信息融合的生成及其属性关系;给出了模糊信息融合中的信息筛以及信息筛分准则,进而提出了模糊信息外-融合-智能检索算法;利用这些理论结果,给出了模糊信息外-融合在疾病分类智能检索中的应用。

• 图的路(无符号)拉普拉斯谱半径及其能量

  卢鹏丽,栾睿,郭育红

  图G的顶点集V(G)={v1,v2,…,vn},其路矩阵记为P(G)=(pij)n×n,pij表示图中vi,vj之间内部顶点不相交路径的最大数目。定义路拉普拉斯矩阵和路无符号拉普拉斯矩阵并得到了其谱半径和能量的界。

• 星图上的一类非线性Caputo序列分数阶微分方程边值问题解的存在性

  李宁,顾海波,马丽娜

  研究了一类定义在由3个节点和两条边构成的星图上的非线性Caputo类型的序列分数阶微分方程边值问题(boundary value problem, BVP)解的存在性。通过变量变换,将所研究的带混合边界条件具有不同定义域的分数阶微分方程组转化为等价的具有相同定义域的带同等边界条件的微分方程组。然后借助Schaefer和Schauder不动点定理得到了边值问题解存在的充分条件,借助Banach不动点定理得到了边值问题解存在且唯一的充分条件。

• 具有空间异质和合作捕食的捕食-食饵模型的正解

  韩卓茹,李善兵

  研究了一类具有空间异质和合作捕食的捕食-食饵模型的平衡态问题。首先利用Riesz-Schauder理论,得到了平凡解和半平凡解的局部渐近稳定性;其次利用比较原理,证明了平凡解和半平凡解的全局渐近稳定性;最后利用不动点指数理论,建立了正解存在的充分条件。

• 互信息和核熵成分分析的油中溶解气体浓度建模

  李颖,张国林

  针对变压器油中溶解气体浓度的预测问题,提出了一种基于互信息和核熵成分分析(KECA)的油中溶解气体浓度预测建模方法。首先,用标准互信息变量选择方法确定模型的输入变量并对选取的输入变量进行相重构;然后,利用Renyi熵信息测度确定KECA核参数并采用KECA对相空间进行特征提取;最后,以核熵成分作为机器学习极限学习机(ELM)的输入,建立变压器油中溶解气体浓度的预测模型。实验结果表明,与灰色模型、支持向量机、BP神经网络建模方法相比,本文提出的方法能够充分利用油中溶解气体浓度信息,因而具有较优的预测精度和泛化能力。

• 融合标签局部相关性的标签分布学习

  容斌元,徐媛媛,吕亚兰,张恒汝

  提出了一种融合标签局部相关性的标签分布学习(label distribution learning, LDL)算法,该算法分为3个阶段。初始预测阶段构建多层神经网络模型,将样本的原始特征作为输入、初始预测的标签分布作为输出;局部矫正阶段首先利用k-means聚类算法获得不同类所描述的局部信息,然后针对不同类计算对应的协方差矩阵,利用该矩阵来矫正初始预测的标签分布,获得每个类对应的矫正标签分布;标签融合阶段对矫正后的标签分布进行加权,再与初始预测的标签分布进行融合,得到最终的预测分布。在8个公开数据集上与9种常用的LDL算法进行对比实验,结果表明本文的算法能较好地描述标签局部相关性,在多个主流评估指标上排名靠前。

• 基于多视角对称非负矩阵分解的跨模态信息检索方法

  柳利芳,马园园

  针对跨模态信息检索的策略和核心问题,从提升检索性能的角度,分析了多视角对称非负矩阵分解方法用于跨模态检索的优势,提出了一种新的基于对称非负矩阵分解的跨模态检索框架。首先在Wikipedia、Pascal公开数据集上习得一致的子空间表示;然后基于该子空间,设计了一种实时样本在子空间中的投影方法。与典型相关分析、语义匹配和偏最小二乘回归相比,在MAP和PR曲线这2个指标上,本文所提出的方法具有最优的性能表现,表明了该方法应用于跨模态信息检索任务中的潜力。

• 均衡评估算法对基于区块链的无线传感网节点信任管理优化

  刘云,宋凯,陈路遥,朱鹏俊

  提出了一种均衡评估算法,通过在区块链中消除无线传感器网络中的恶意节点来增强信标节点之间的信任关系。首先将传感器节点信息打包生成区块,按照节点编号顺序生成区块链;接着在区块链中对每个信标节点进行基于行为、基于反馈和基于数据的信任值计算,将3个信任值加权得到每个信标节点的均衡信任值,并将均衡信任值广播给基站;最后对均衡信任值排序,把信任值较小的信标节点视为恶意节点,并将其从区块链中剔除。仿真结果显示,均衡评估算法在平均定位误差、检测精度和平均能耗等方面都有了很好的提升,同时保证了信任评估管理过程的安全性和可追溯性。

• 基于动态API调用序列和机器学习的恶意逃避样本检测方法

  张杰,彭国军,杨秀璋

  针对恶意逃避样本的逃避行为进行分析,归纳并总结了恶意逃避样本常用的逃避API函数集,提出了一种基于动态API调用序列和机器学习的恶意逃避样本检测方法。在特征工程处理阶段,提出了逃避API函数权重衡量算法,并通过优化词频处理来增强逃避API函数的特征向量值,最终本文方法检测恶意逃避样本的准确率可达95.09%。

• 具有抵抗DPA攻击能力的高非线性度旋转对称布尔函数的搜索

  师宇,郑东,赵庆兰,李路阳,王勇

  提出了一种有效的搜索算法以实现在旋转对称布尔函数类中搜索具有抵抗DPA攻击能力的高非线性度布尔函数。 利用搜索算法在9、10元旋转对称布尔函数中得到了新的透明阶和非线性度等性质良好的函数, 其中包括透明阶优于已有结果的函数。 此外, 基于多核并行技术实现了8元旋转对称布尔函数的遍历, 首次给出了所有非线性度不低于112的8元旋转对称布尔函数, 并对其非线性度、透明阶、代数次数进行了统计分析, 这些函数可以用来构造密码学性质优良的S盒。

• 出行者感知误差下目标导向型双属性用户均衡

  纪翔峰,张妍,敖晓宇

  提出了目标导向型双属性路径效用模型,用于分析随机交通网络中出行时间和出行时间可靠度两属性影响下出行者的路径选择行为,其中能够达到的目标决定了路径效用的大小。所提出的模型具有3个特点:一是考虑出行者感知误差,从而得到出行时间和出行时间可靠度的感知值;二是基于感知值的边际分布,采用Copula函数刻画感知值间的随机相关性;三是出行者为每个属性赋予特定目标,并且提出了目标间的相互作用,即互补关系。基于所提出的路径效用模型,进一步提出了考虑出行者感知误差的目标导向型双属性用户均衡模型,将其表示为变分不等式问题,采用连续平均算法对其进行求解。最后通过数值实验验证了出行者不同出行行为下的表现和算法的有效性,并对相关参数进行了敏感性分析。提出的模型拓展了出行者路径选择的研究范围。