提出了一种基于分数阶傅里叶变换（FrFT）和混沌的彩色图像加密算法。 将原始彩色图像的颜色转换为HSI（色相饱和度强度），并通过基于FrFT的随机相位编码对S分量进行转换，以获得新的随机相位。 使用H分量和新的随机相位作为两个相位板，通过基于FrFT的双随机相位编码来转换I分量。 然后使用混沌加扰技术对图像进行加密，从而使所得图像在空间域和频域均具有非线性和无序性。 另外，密文不是彩色图像而是灰色图像和相位矩阵的组合，因此密文在某种程度上具有伪装特性。 数值仿真结果证明了该算法的有效性和安全性。

1类的构造和对象的是使用· 定义一个类Fact表示无符号有理数（分数），成员有分子（num）和分母(den) 构造函数2个 一组get方法 一组set方法 方法： -比较两个分数的大小，结果为boolen的值 -对分数进行约分（分子分母同时除以最大公约数） -对两个分数进行通分（先约分） -两个分数相加，结果为不可约数（先通分，然后再约分） 定义testFact类，创建Fact对象，并调用各个方法

运用matlab对Frft进行编程，给出了离散的源代码。

引言   数据预处理时，异常值的存在可能对最终建立的模型的精度和泛化能力有较大的影响。检测异常值的方式有很多，最基本的两种方法为 z 分数法和上下截断点法。 对 z 分数法还存在些许疑虑的可查看如下博文 统计学： Z 分数 & 正态分布 (附 Python 实现代码) –Z 检验先修; Z 分数与正态分布两者关系; Z 分数与百分位数的异同；面试要点（以心理学实验为舟）   本文针对这两种方法，构造自写库，最终实现函数的快捷调用，在很大程度上提高了数据预处理的效率。 效果展示(Jupyter notebook) 一行代码快速绘图查看房价分布情况 如何一步到位的画出复杂精美的图片可以参考

在本文中，我们处理具有两点边界条件的Riemann-Liouville分数阶微分方程的拟线性化。 通过建立新的比较原理，我们得到了一个单调序列，该序列单调二次收敛到分数阶微分方程的唯一解。

wine_reviewer：使用机器学习基于二值化的品尝笔记来预测葡萄酒评论分数

差异 该软件包用于数值计算分数导数和积分（微积分）。 可以使用多种不同的积分定义选项，包括Grunwald-Letnikov（GL），“改进的” Grunwald-Letnikov（GLI），Riemann-Liouville（RL）和Caputo（即将推出！）。 通过API，您可以在一个点或一组函数值上计算差分积分。 动机 分数分数微积分的现成易用代码几乎没有。 当前可用的功能通常是更大包装中的智能部件，或者仅提供一种数值算法。 Differentint软件包提供了多种算法来计算差分积分，并提供了与广义二项式系数有关的一些辅助功能。 安装 该项目需要Python 3+和NumPy才能运行。 使用pip从Python打包索引（ ）进行安装很简单。 pip install differint 包含文件 核心文件 描述 differentint / differint.py 包含分数微分和积分算法。 测试/ test.py 包含所有单元测试的测试套件。 以上两个文件都有对应的__init__.py文件。 设定档 描述 .gitignore git push / pull请

通过对光学相干层析(OCT)系统中的噪声源进行分析,提出了一种将小波变换和分数阶积分结合的OCT图像去噪方法。先将OCT图像进行小波分解,获得不同频带的子图像。将低频近似图像保持不变,对水平、垂直和对角三个方向的高频细节图像采用三种改进的分数阶积分Tiansi模板进行滤波,最后将低频近似图像与三个分数阶积分滤波后的高频细节图像合成,得到去噪后的图像。实验结果表明;该算法在有效降低OCT图像散斑噪声的同时,尽可能地保留了图像的细节;相比经典的去噪算法和单一的分数阶积分算法,本文算法的去噪效果较好。

FDE12 解决了分数阶非线性微分方程 (FDE) 的初始值问题。 这是 [1] 中描述的 Adams-Bashforth-Moulton 的预测器-校正器方法的实现。 在[2]中研究了该方法的收敛性和准确性。 在 [3] 中已经针对多项 FDE 提出并讨论了具有多个校正器迭代的实现。 在这个实现中，离散卷积通过 [4] 中描述的 FFT 算法进行评估，允许保持计算成本与 N*log(N)^2 成正比，而不是像经典实现中的 N^2； N 是评估解的时间点数，即 N = (TFINAL-T)/H。 FDE12 实现的方法的稳定性特性已在 [5] 中进行了研究。 用法： [T,Y] = FDE12(ALPHA,FDEFUN,T0,TFINAL,Y0,h) 对阶 ALPHA > 0 的 FDE 或 FDE 系统的初始值问题进行积分D^ALPHA Y(t) = FDEFUN(T,Y(T))

NULL 博文链接：https://linpz.iteye.com/blog/1005830