广义模糊熵及其诱导的区别度

广义模糊熵是模糊熵在广义模糊补意义下的推广,本文给出广义模糊熵的公理化定义 ,基于σ-广义模糊熵,讨论了广义模糊熵和区别度的相互诱导关系.     

一种基于代价函数和模糊熵的图像分割方法

提出了一种基于代价函数和模糊熵的图像分割方法.该方法先用代价函数最小化法对退化的图像作预处理,之后,利用模糊熵作进一步的处理.实验结果表明:新方法和一般的阈值分割方法相比,不但分割图像的错分率较小,而且图像的视觉效果也有较大的改善.     

聚类有效性函数：熵公式

依据香农信息熵理论。本文引入了一个新的划分熵公式。结合Ｊ．Ｃ．Ｂｅｚｄｅｋ给出的划分熵，定义了一个新的聚类有效性函数。通过四组数据对该聚类有效性函数的判决功能和鲁棒性进行了研究。     

区间值不确定推理真值传播的计算方法

通过用方差定义左右修正量,将点值不确定推理真值传播计算方法推广到区间值情形,提出了一种区间值不确定推理真值传播计算方法.本文所提出的方法表达式简单,易于理解与计算.     

二维广义模糊熵图像阈值分割法

针对一维广义模糊熵不能有效处理含噪图像的分割问题,在二维灰度直方图上定义了图像的二维隶属度函数,提出了二维广义模糊熵阈值分割法.该方法不仅考虑了图像的点灰度值,同时考虑了图像像素的邻域平均灰度值,能更好地利用图像中的信息.为了提高二维广义模糊熵阈值法的运行速度、解决参量选取问题,结合粒子群优化搜索方法,设计了嵌套式的优化过程.实验表明,二维广义模糊熵阈值分割法对噪音图像有更好的适应性.     

基于分段Logistic混沌映射的单向Hash函数

提出了一种基于循环迭代结构的明文消息分段Hash函数算法.该算法以明文消息和初始密钥作为混沌系统的初始条件,通过迭代计算过程中包含的循环移位操作保证了所给算法具有单向Hash函数的不可逆性、防伪造性以及初值敏感性等特点.为了有效改进基于混沌系统的单向Hash函数的安全性能,本文构造了一种分段非线性混沌映射:分段Logistic混沌映射.实验结果表明,基于分段Logistic混沌映射的Hash函数具有良好的单向性、弱碰撞性等性能.     

一种新的分段非线性混沌映射及其性能分析

结合线性反馈移位寄存器（LFSR）和混沌理论各自的优点,采用循环迭代结构,给出一种将LFSR和混沌理论相结合的伪随机序列生成方法.首先根据LFSR的计算结果产生相应的选择函数,通过选择函数确定当前迭代计算使用的混沌系统,应用选择的混沌系统进行迭代计算产生相应的混沌序列;然后把生成的混沌序列进行数制转换,在将得到的二进制序列作为产生的伪随机序列输出的同时将其作为反馈值与LFSR的反馈值进行相应的运算,运算结果作为LFSR的最终反馈值,实现对LFSR生成序列的随机扰动.该方法既可生成二值伪随机序列,也可生成实值伪随机序列.通过实验对生成的伪随机序列进行了分析,结果表明,产生的序列具有良好的随机性和安全性.     

一种新的分段非线性混沌映射及其性能分析

研究了logistic混沌映射的相关性质,指出当系统参数取值改变时,产生的混沌序列在相空间不具有遍历性.基于以上分析,构造了一种分段logistic混沌映射,对logistic映射和定义的分段logistic映射的分岔图和Lyapunov指数进行了研究,同时通过实验对这二种映射生成序列的随机性、相关系数、功率谱等性能进行了比较分析.在此基础上,定义了一种新的混沌系统性能评价指标——分岔迭代次数.结果表明,定义的分段logistic映射不仅具有良好的遍历性,而且对应的混沌系统相关评价指标的性能良好. 关键词： 混沌系统 相关系数 Lyapunov指数 功率谱     

一维Renyi熵阈值法中参数的自适应选取

提出了一种自适应选取一维Renyi熵阈值分割法中参数α的方法.该方法以一种图像分割质量评价指标-均匀性测度为适应度函数,利用粒子群算法在参数空间进行优化搜索,从而可以根据具体的图像获得合适的参数,得到最佳的图像分割阈值.结果表明:一般情况下,可以(0,1)范围内搜索最优的α值;当需要更好的分割效果时,可在(0,10)范围内搜索最优的α值.     

基于样本最大分类信息的聚类有效性函数

根据每一样本的最大分类信息，对Bezdek定义的划分系数进行修改，提出了一个新的聚类有效性函数，讨论了该函数的若干性质。实验结果表明在某些情形该函数的判决效果优于划分系数。