GSM系统用户的三参数组是什么? IMSI和相应的Ki在用户SIM卡和鉴权中心(AUC)中 都会分别存储,而且它们还分别存储着鉴权算法 (A3)和加密算法(A5和A8)AUC中还有一个伪随 机码发生器,用于产生一个不可预测的伪随机数 (RAND)RAND和Ki经AUC中的A8算法产生一个 密钥(Kc),经A3算法产生一个响应数(SRES)。密 钥(Kc)、响应数(SRES)和相应的伪随机数(RAND) 一起构成了用户的一个三参数组

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

鉴于传统图像加密技术和低维混沌加密技术各自的局限性,将Lorenz混沌系统与数字图像置乱技术相结合,设计了一种基于三维混沌系统的数字图像加密算法.首先,对系统输出的实数值混沌序列进行预处理;其次,以此实数值混沌序列直接构造图像置乱索引矩阵;最后,以8×8块为单位实现数字图像的空域加密.分析与仿真结果表明:预处理后的实数值混沌序列具有更强的伪随机特性,更理想的相关特性;三维混沌系统有更大的密钥空间,使算法具有很强的抗破译性和抗攻击性;系统三维输出的同时利用,可实现三个或多幅图像的并行加密,提高了算法的加密效率

基于面向汽车行业总装生产线平衡问题的研究,提出了一种包含模拟退火因子的改进的遗传算法,设计了加速收敛因子模型以确保在有限种群空间中的快速收敛;同时考虑了更多工程现场实际约束来修正传统的约束模型.新算法模型应用在混流装配生产线平衡分析中,取得了算法快速收敛和分析结果与实际工程一致的结果

根据目前高炉炉温预报推理规则都是由高炉专家根据经验制定的情况,提出了一种新的规则生成方法——数据挖掘获取高炉炉温预报关联规则.针对现有挖掘算法的不足,提出了一种改进的多维时间序列模糊关联规则挖掘算法,该算法基于时间子序列和子序列间隔的双重模糊化,避免了挖掘结果\时间边界锐化\的问题.该算法应用于武钢的1#高炉,挖掘效果良好

13.1电视图像的数据率 13.1.1itu-rbt.601标准数据率 13.1.2VCD电视图像数据率的估算 13.1.3DVD电视图像数据率的估算 13.2数据压缩算法 13.2.1简介 13.2.2帧内图像I的压缩编码算法 13.2.3预测图像P的压缩编码算法 13.2.4双向预测图像B的压缩编码算法

将语义Web技术引入发布/订阅系统中,结合领域本体,提出一种智能匹配算法.以双索引哈希邻接表,结合谓词表、变量约束表和变量类型表作为订阅条件RDF图模式的数据结构,采用元语句级匹配计数方法,使原子订阅条件仅匹配一次,原子订阅条件间\与关系\的顺序匹配.定量和定性分析了算法的时间和空间复杂度.实验结果比较表明,所设计的智能匹配算法具有较高的订阅匹配效率,适合于大规模发布/订阅系统

一个程序应包括以下两个方面 （1)对数据的描述。在程序中要指定数据的类型和数据的组织结构。 （2)对操作的描述。即操作步骤,也就是算法。著名计算机科学家沃思提出:程序数据结构+算法程序=算法+数据结构+程序设计方法+语言工具和环境

利用三维激光扫描技术对采空区进行探测以建立三维可视化模型,从而准确获取其三维空间位置和形态,是矿山采空区事故隐患综合治理工作中的重要环节.但由于采空区形态复杂,往往需要从多个方位对其进行多次探测才能准确获取采空区完整的三维形态.如何对多次探测点云数据拼合后的散乱点云构建三角网格模型,是实现复杂采空区三维探测建模的关键.本文提出了采空区激光扫描拼合散乱点云数据球面投影三角剖分生长算法,首先选定球心将原位点云投影到球面上得到投影点云,然后对投影点云进行三角剖分,最后将投影点云三角网空间拓扑关系还原到原位点云,从而构建复杂采空区三角网模型.为了有效实现算法,研究了球面投影参数设定、XYZ三向单元栅格点云搜索策略、三角形生成规则、优势顶点边界切分策略、边界闭合策略、不规则三角形优化策略等多种方法.实际应用表明,所研究的算法能够生成优质的采空区三角网模型,为实现复杂采空区三维精确建模及可视化管理提供了重要技术支持

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置