排序方式: 共有6条查询结果,搜索用时 111 毫秒
1
1.
2.
3.
4.
在实际量子密钥分发系统中,由于设备、器件存在缺陷,在量子态制备过程中往往存在误差,而这些态制备误差会导致一定的系统安全性漏洞.本文在Tamaki等(Phys. Rev.A 90 052314)的工作基础之上,提出了一种基于标记单光子源的态制备误差容忍量子密钥分发协议.本文将发送端制备态误差进行参数刻画并带入量子密钥协议安全性分析之中,避免了实际应用中由于态制备装置的不理想可能引入的安全性漏洞,提高了系统的安全性.同时,为了方便起见,本文采用三强度诱骗态方案开展建模分析与数值仿真计算.仿真结果显示,本文提出的协议对态制备误差具有很好的鲁棒性.同时,由于标记单光子源具有真空脉冲概率低的优点,与此前基于弱相干态脉冲的同类协议相比,我们的协议在传输距离较远时能够显示出更优的性能.因而,该工作有望为未来发展长距离量子保密通信应用与研究提供重要的参考价值. 相似文献
5.
基于Bootstrap-SVM在小样本条件下光谱定量分析研究 总被引:1,自引:0,他引:1
提出了一种在小样本条件下建立光谱定量分析的新方法-Bootstrap-SVM模型。以道路沥青为研究对象,共收集29个来自6个不同单位的沥青样本,利用所提方法建立了沥青针入度定量分析模型。Bootstrap-SVM由Bootstrap重抽样、噪声注入及SVM三个步骤组成。为了对比所提方法的优势,对比了目前常用的PLS模型以及SVM模型。研究结果表明Bootstrap-SVM,PLS,SVM预测均方根误差分别为0.773 5,2.889,1.784 4,所提方法预测精度最好,为小样本条件下光谱定量分析提供了一种新的有效方法。 相似文献
6.
提出了一种衰减全反射红外光谱法快速分类和识别多种食用油的方法——KL-BP模型。此模型利用KL算法对原始光谱数据分类特征进行提取并对原始数据降维,降维后的数据作为神经网络的输入建立分析模型。实验共收集了九种食用油包括芝麻油、玉米油、油菜籽油、调和油、葵花油、花生油、橄榄油、大豆油、茶籽油,共84个样品,并测定了其衰减全反射红外光谱。为了对比所提方法性能,分别建立PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP模型的分类结果进行对比。研究结果表明,对所研究的9种食用油,PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP方法的识别率分别为59.1%,68.2%,77.3%,77.3%和90.9%。在数据降维中,KL算法通过分别提取使类间距离和类内距离比值最大方向的特征向量提取和包含在类内离散度矩阵中的分类信息,能够比PCA方法提取了更多的分类信息;引入BP神经网络能有效地提高分类能力和分类准确率;KL-BP综合了KL对分类信息提取优势以及BP神经网络自学习、自适应、非线性的优点,在分类和识别成分相近的9种食用油中表现出了最优秀的能力。 相似文献
1