pygpc 基于广义多项式混沌方法的Python敏感性和不确定性分析工具箱 基本功能： N维系统的高效不确定性分析 使用Sobol指数和基于全局导数的敏感性指数进行敏感性分析 轻松耦合到用Python，Matlab等编写的用户定义模型... 并行化概念允许并行运行模型评估 高效的自适应算法可以分析复杂的系统 包括高效的CPU和GPU（CUDA）实施，可极大地加快解决高维和复杂问题的算法和后处理例程 包括最新技术，例如： 投影：确定最佳折减基数 L1最小化：利用压缩感测中的概念减少必要的模型评估 梯度增强型gPC：使用模型函数的梯度信息以提高准确性 多元素gPC：分析具有间断和急剧过渡的系统 优化的拉丁文Hypercube采样可实现快速收敛 应用领域： pygpc可用于分析各种不同的问题。 例如，在以下框架中使用它： 非破坏性测试： 无创性脑刺激： 经颅磁刺激：

首先推导了两个基于磁控忆阻器模型的串联忆阻器的特性及磁通电荷关系, 然后通过使用这个忆阻系统获得一个新颖的四维超混沌系统, 它有两个正的李雅普诺夫指数． 通过观察各种混沌吸引子、 功率谱和分岔图可看到丰富的动力学现象． 最后, 建立了模拟该系统的SPICE电路． SPICE仿真结果与数值分析一致, 这进一步显示了该超混沌系统的混沌产生能力

结合相空间重构理论和统计学习理论.实现混沌时间序列的多步预测.采用微熵率法求得最优嵌入维数和时延参数,重构系统相空间,用最小二乘支持向量机建立混沌时间序列的多步预测模型,并与径向基函数网络预测模型比较.结果表明,所建立的模型能够捕捉到原混沌系统的动力学特征.前者的归一化均方根预测误差远小于径向基函数网络预测模型的预测误差,泛化能力较强,其预测效果较好.

混沌粒子群优化算法-CPSO,混沌粒子群优化算法案例,matlab源码 混沌粒子群 内有图片 代码 数据 可更改目标函数

提出了一种用于数字图像内容认证的半脆弱水印方案。将图像进行分块，图像块的归一化标准差经量化操作后映射为混沌系统初值，经混沌映射生成水印比特。用量化系数技术将水印比特嵌入块DCT直流系数。利用混沌对初值极端敏感性的特点,能够定位检测对加入水印图像的窜改,并且水印提取不需要原始图像。实验结果表明，嵌入水印后图像的视觉质量好；算法具有对图像内容局部窜改检测的有效性、敏感性以及良好的窜改定位能力，并具有更好的抗JPEG压缩、加性高斯噪声和中值滤波的鲁棒性。

为了提高信息嵌入率和实现完全可逆信息隐藏技术，结合医学图像数据量大和同色像素连续性高的特点，提出了一种基于加密域的可逆信息隐藏算法。首先预处理图像并构造头部信息（head），即通过边缘检测算法检测出边缘，使嵌入率达到最大，用行程编码（RLC）对边界部分作无损压缩留出空间存放数据，使信息隐藏算法完全可逆；然后使用混沌算法加密图像；最后通过替换最低有效位的方法将水印信息嵌入到加密图像中。通过理论分析和仿真实验表明，该算法具有较高的信息嵌入容量，并且有较好的不可见性，从相关系数、熵值、峰值信噪比等方面分析，都达到了较高水平。

基于动量BP神经网络技术,设计出了一种用于混沌系统同步的神经网络控制器,实现了混沌系统的同步控制。利用动量BP神经网络加快了同步速度,然后将混沌同步控制技术应用在Lorenz系统的保密通信中。仿真实验验证了本文所提方法在混沌保密通信应用中可行性与有效性。

为保证数字图像在传输过程中的安全问题,通过分析传统的基于高维混沌系统的图像加密算法,提出了一种图像加密改进算法。将位置置乱和像素替换加入到每次迭代中,并使加密数据流与明文信息相关,弥补了传统算法在应用中的漏洞和不足。理论分析和仿真实验表明,该算法具有良好的保密性和加密效果,密文对明文或初始密钥的任何微小变化具有强烈敏感性,相邻像素满足零相关性,具有较强的安全性和可操作性。

随着对图像加密算法各方面性能的要求持续提高，混沌系统正在朝高维、超混沌不断演进，同时混沌图像加密所涉及的研究范围也越来越广。本文介绍了混沌理论、密码学等基础知识以及混沌系统在图像加密中的应用，研究了混沌图像加密与DNA计算、压缩感知理论的结合，在相关研究成果的基础上，提出两种图像加密算法，并进行了理论分析和Matlab仿真实验。

设计并实现了一种用于数字图像内容认证的半脆弱水印方案。算法中,图像块的水印选择Logistic映射作为混沌系统从该图像块本身产生一系列混沌序列,作用于水印的嵌入;每个图像块产生的水印按照Torus,自同构映射嵌入另一个映射块的LSB(Least Significant Bit),对应关系通过密钥来确定,这样建立起图像块之间的相关性;利用混沌对初值极端敏感性的特点,能够定位检测对加入水印图像的篡改,且水印提取不需要原始图像。实验结果表明,嵌入水印后的图像的视觉好;算法具有图像内容局部篡改检测的有效性、敏感性以及良好的篡改定位能力。