云概念相似性度量及其在数字水印中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题的研究背景与意义 | 第11-14页 |
| ·云概念相似性度量研究现状 | 第14-17页 |
| ·本文的主要内容与结构安排 | 第17-18页 |
| 第二章 双向认知计算模型——云模型 | 第18-32页 |
| ·云模型简介 | 第18-24页 |
| ·云模型定义 | 第18-19页 |
| ·二阶正态云的数字特征值 | 第19-20页 |
| ·正态云模型的普适性 | 第20-22页 |
| ·“3En”准则 | 第22-23页 |
| ·期望曲线与边界曲线 | 第23-24页 |
| ·云变换 | 第24-31页 |
| ·高阶正态云的递归定义 | 第24-25页 |
| ·正向云变换 | 第25-26页 |
| ·逆向云变换 | 第26-30页 |
| ·双向认知变换 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 云概念相似性度量算法 | 第32-47页 |
| ·现有云概念相似性度量算法分析 | 第32-38页 |
| ·基于概念外延的CS算法 | 第33-35页 |
| ·基于概念内涵的LICM算法 | 第35-36页 |
| ·基于面积的ECM和MCM算法 | 第36-38页 |
| ·基于多阶期望曲线加权的云概念相似性度量算法 | 第38-42页 |
| ·云期望曲线的推广定义 | 第38-39页 |
| ·算法内容 | 第39-42页 |
| ·仿真实验结果及分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于双向认知模型的数字水印解决方案 | 第47-56页 |
| ·基于云模型的数字水印方案概述 | 第47-49页 |
| ·云水印的不确定性 | 第47-48页 |
| ·现有基于云模型的数字水印解决方案 | 第48-49页 |
| ·基于云模型的数字图像水印解决方案 | 第49-52页 |
| ·云水印的生成 | 第49-51页 |
| ·云水印的嵌入 | 第51页 |
| ·云水印的提取 | 第51-52页 |
| ·仿真实验结果及分析 | 第52-55页 |
| ·嵌入和提取结果以及相似云的判定 | 第52-54页 |
| ·鲁棒性测试 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
