针对彩色图像加密的特点，为了减弱图像相关性、加大密钥空间、提高安全性，提出DNA序列和分数阶Chen超混沌系统彩色图像加密算法。该算法将三维的彩色图像转换成三个二维DNA序列矩阵，利用分数阶Chen超混沌系统产生的混沌序列将三个DNA序列矩阵进行位置置乱，将置乱的三个DNA序列矩阵分别分成相等的小块，利用分数阶Chen混沌系统和DNA序列加法法则将块相加，重新组合小块并利用DNA解码规则得到彩色加密图像。仿真结果和安全性分析表明，与其他图像加密算法对比，该算法降低了算法空间和时间需求，相关性低，密钥空间大，密钥敏感性高，安全性更高，具有更强的抵御各种攻击能力。

LBM_MATLAB：具有多尺度建模扩展的MPI风格的Shan和Chen LBM并行化

給正在研讀 電磁學-David.K.Chen(2th) 的朋友們 遇到習題不會解時可參考此解答來解除疑惑

MATLAB 中的相场代码，用于求解 Fan & Chen 为晶粒生长现象开发的二维相场模型（具有 10 个不同晶粒取向的 10 个阶参数的模型）。

雷达通信领域，目标识别的新方法，讲述微动和微多普勒的概念

漏洞挖掘思维培养-大咖Vulkey_Chen-漏洞银行大咖面对面.pptx

反欺诈在营销风控中的应用——Bink Chen.pdf

颜色分类leetcode 模拟CLR SimCLRv1 的 Tensorflow-Keras 实现，它允许通过视觉表示对比学习的简单框架 (SimCLR) 来提高 base_model 的特征表示质量。 提供的代码应该允许将框架应用到任何 Keras 模型，只需稍作改动。 图 1 - SimCLR 图解 给定的实现允许使用 5% 的数据在训练的线性分类器上将 top-1 精度提高 17%。 此外，在使用 SimCLR 框架进行训练后，t-SNE 图显示了根据类别对特征进行清晰的聚类。 图 2.1 - SimCLR 之前 VGG16 特征的 t-SNE 图 2.2 - SimCLR 后 VGG16 特征的 t-SNE 可以通过以下笔记本重现此结果： 参考： ， ， 如何使用？ SimCLR = SimCLR(base_model, input_shape, batch_size, feat_dim, feat_dims_ph, num_of_unfrozen_layers, save_path) SimCLR.train 方法可用于通过传递类型的训练和验证数据来训练 SimCLR_mod

chen-wga 一款系统辅助工具，成功率高。使用前请保存文件，关闭杀软（会误报），运行后系统会自动重启。

svm回归预测matlab代码用于链接预测的Weisfeiler-Lehman神经机器 用法 Wesfeiler-Lehman神经机器（WLNM）是一种基于子图的链接预测方法，该方法利用深度学习自动学习图结构特征，以便根据链接的封闭子图进行链接预测。 有关更多信息，请参见以下文章： Zhang M和Y. Chen，《 Weisfeiler-Lehman神经机器用于链路预测》，Proc.Natl.Acad.Sci.USA。 ACM SIGKDD知识发现和数据挖掘会议（KDD-17）。 在MATLAB中运行Main.m进行链接预测实验。 怎么跑 您需要安装liblinear，以便将.mat数据保存为libsvm格式，以便Torch可以读取它们。 cd software/ wget -O liblinear.tar.gz http://www.csie.ntu.edu.tw/~cjlin/cgi-bin/liblinear.cgi?+http://www.csie.ntu.edu.tw/~cjlin/liblinear+tar.gz tar xvzf liblinear.tar.gz cd