信息安全中的DES加密算法研究.docx

编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第PAGE6页共NUMPAGES6页第PAGE\*MERGEFORMAT6页共NUMPAGES\*MERGEFORMAT6页开题报告正文：信息安全中的DES加密算法研究一、本课题研究的目的和意义古往今来，通信中的安全保密问题一直受到广泛关注。历史上，交战双方在通信安全、保密和密码破译方面的优势均被认为是取得战争胜利的关键因素之一。今天，人类已进入信息化时代，现代通信涉及各个行业，信息安全已成为人人都关心的问题，这就促

2024-09-04

10

基于文化的多目标协同进化算法.pdf

第28卷第7期计算机应用研究Vol．28No．72011年7月ApplicationResearchofComputersJul．2011基于文化的多目标协同进化算法*赵学臣1，2，王洪国1，邵增珍1，2，苗金凤1，2(1．山东师范大学信息科学与工程学院，济南250014;2．山东省分布式计算机软件新技术重点实验室，济南250014)摘要:为了改进NSGAⅡ算法中存在的分布性等不理想问题，在NSGAⅡ的基础上提出了基于文化的多目标协同进化算法。该算法提出评测信念空间多样性的指标，从信念空间中提取知识，利用

2024-09-05

18

320KB

预算法律制度考题样本.doc

HYPERLINK""更多企业学院：《中小企业管理全能版》183套讲座+89700份资料《总经理、高层管理》49套讲座+16388份资料《中层管理学院》46套讲座+6020份资料《国学智慧、易经》46套讲座《人力资源学院》56套讲座+27123份资料《各阶段职员培训学院》77套讲座+324份资料《职员管理企业学院》67套讲座+8720份资料《工厂生产管理学院》52套讲座+13920份资料《财务管理学院》53套讲座+17945份资料《销售经理学院》56套讲座+14350份资料《销售人员培训学院》72套

2024-09-06

10

54KB

小数加法和减法的运算法则.doc

PAGE\*MERGEFORMAT2第六单元小数的加法和减法第一课时小数加法和减法的运算法则教学目标：知识与技能：掌握小数加、减法的计算法则,会正确进行小数加、减法计算。过程与方法：经历小数加、减法的计算以及法则的归纳过程，体验归纳的学习方法。情感态度与价值观：在学习活动中，沟通数学与生活之间的联系，激发学生的求知欲望，激发爱国热情，培养刻苦认真的学习习惯。重点：掌握小数加、减法的计算法则难点：理解小数点要对齐教具准备：课件教学方法：合作探究尝试教学过程：一、导入同学们去过超市吗？喜欢逛超市吗？星期

2024-09-07

16

20KB

java中全排列是如何生成算法.docx

java中全排列是如何生成算法java中全排列是如何生成算法全排列的生成算法就是对于给定的字符集，用有效的方法将所有可能的全排列无重复无遗漏地枚举出来。任何n个字符集的排列都可以与1～n的n个数字的排列一一对应，因此在此就以n个数字的排列为例说明排列的生成法。n个字符的全体排列之间存在一个确定的线性顺序关系。所有的排列中除最后一个排列外，都有一个后继；除第一个排列外，都有一个前驱。每个排列的后继都可以从它的前驱经过最少的变化而得到，全排列的生成算法就是从第一个排列开始逐个生成所有的排列的方法。全排列的生成

2024-09-07

10

14KB

HALCON机器视觉算法及应用读书笔记.docx

《HALCON机器视觉算法及应用》读书笔记目录一、第一级目录..............................................21.《HALCON机器视觉算法及应用》简介........................32.机器视觉基本概念......................................33.HALCON机器视觉算法....................................43.1算法原理.........................

2024-09-08

9

29KB

有约束多变量动态矩阵控制算法.doc

有约束多变量动态矩阵控制算法（完整版）实用资料(可以直接使用，可编辑完整版实用资料，欢迎下载）第16卷第3期控制与决策CONTROLANDDECISION2001年5月May2001文章编号:100120920(2001)032299204有约束多变量动态矩阵控制算法余世明,杜维(浙江大学工业控制技术国家重点实验室,浙江杭州310027)摘要:针对多变量有约束动态矩阵控制问题,以输出预测值与未来参考轨迹序列误差的绝对值之和作为性能指标,通过线性化处理使其转化为目的规划问题,从而使在线滚动优化变得非常容易,

2024-09-08

10

2.7MB

2022基于深度学习的RFID指纹定位算法.doc

第四章基于PSO-DBN的RFID指纹定位方法基于PSO-DBN的RFID定位原理传统的DBN网络算法在反向传播时采用传统的梯度下降方法来解决最优的隐含层之间的权值和偏置以及隐含层到输出层的权值和偏置的问题。随着最优化问题的深入研究，使得利用最优化算法优化深度学习网络成为可能。我们可以使用智能优化算法代替传统的梯度下降算法，利用智能优化算法找到DBN网络模型的最优参数，即最优的隐含层之间的权值和偏置，以及最优的隐含层到输出层的权值和偏置。其中，粒子群优化算法是一种理想的智能优化算法，我们可以将粒子群优化算

2024-09-09

10

457KB