导读:本文包含了哈希技术论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,报文,近邻,过滤器,技术,测量,卡尔。
哈希技术论文文献综述
杜玲,陈振[1]（2019）在《图像篡改检测感知哈希技术综述》一文中研究指出互联网的发展使得多媒体的真实性、完整性认证成为亟待解决的问题。感知哈希在理解图像内容基础上,通过简短的感知摘要来完成图像内容的识别和认证,为解决与多媒体认证相关的管理问题提供了一种更为便捷的方式。首先,总结了目前基于底层线索和基于学习的感知哈希图像篡改检测方法,并根据方法的不同特点进行了更为细致的分类。其次,介绍了常用的数据集,给出了叁种算法性能评价指标,并在不同数据集上对最近的几种算法进行了定性和定量的比较分析。最后,对基于感知哈希的图像篡改检测的关键问题进行了总结,并对未来的发展趋势进行了展望。(本文来源于《计算机科学与探索》期刊2019年05期）
侯耀祖[2]（2018）在《基于两阶段联合哈希技术的协同过滤推荐算法研究》一文中研究指出在互联网时代,互联网技术以及电子商务的高速发展生成了海量信息,对于用户来说,从海量的信息中找到感兴趣的信息正变得越来越难,推荐系统应运而生,它将用户和信息联系了起来,推荐系统为用户找到感兴趣的项目(服务),且可能为用户找到喜欢的新事物。然而,传统推荐系统的协同过滤算法依赖于用户或项目的相似度计算,随着系统中的数据量的极速增加,这种线性的相似度计算方法表现出了局限性。本文提出了一种两阶段联合哈希的协同过滤算法,通过在保留用户对项目的偏好的情况下,将用户和项目映射到低维空间,使得推荐的过程转化为在低维空间搜索与目标用户具有较小海明距离的项目,省去了用户或项目之间的相似度计算,仿真实验表明,本算法具有较高效的推荐性能。本文的主要工作有:第一,提出了在评分数据的其中一个视角(用户或项目)来对该视角进行哈希的方法,在用户或项目视角应用主成分分析技术,得到该视角的低维特征表示,再对其应用迭代量化技术进而生成该视角的二值码,从而实现了对评分数据全局特征的提取。同时,也为进一步生成另一视角的二值码奠定了基础。第二,基于上一过程中得到的其中一个视角的二值码,用已有的评分信息约束用户与项目在海明空间的距离,生成另一视角的二值码,进而实现对评分数据局部特征的提取,也为下一步利用训练生成的用户和项目的二值码进行高效的推荐做好了准备。第叁,在两阶段联合哈希的基础上,利用二值码的特性和相似性检索的方法,通过以上两个过程的哈希编码工作,有效的减少了推荐过程中的计算消耗和存储消耗,最终提出并实现了一种基于两阶段联合哈希的协同过滤推荐算法。通过在MovieLens-1M数据集上的仿真实验结果表明,本文提出的算法能有效提高推荐质量和推荐的效率。(本文来源于《安徽工业大学》期刊2018-05-18）
田原[3]（2017）在《基于抽样和哈希技术的长流测量安全算法研究》一文中研究指出在互联网中理解网络行为最高效的途径即是对网络数据流量进行安全检测与分析,它是对已有互联网的组建、规范化和改造的依据,同时也是对Internet进行安全检测的重要环节。为了解决网络中的资源和高速IP流量之间的冲突问题,需要对网络流进行多种方式的安全处理与算法研究。论文首先提出了改进的数据抽样技术并综合论述了现阶段基于抽样技术的数据测量算法的研究,同时通过对重要数据参数的重新设置和分析,并结合使用多种数据取样的方法,探讨改进的数据空间映射技术,与现阶段的各种取样方式,在测量网络长流算法中的综合应用~([1])。(本文来源于《网络空间安全》期刊2017年Z4期）
田原[4]（2017）在《基于抽样和哈希技术的长流测量算法研究》一文中研究指出在互联网中理解网络行为最高效的途径即是对网络数据流量进行检测与分析,它是对已有互联网的组建、规范化和改造的依据,同时也是对Internet进行检测的重要环节。为了解决网络中的资源和高速IP流量之间的冲突问题,需要对网络流进行多种方式的处理与算法研究。本文首先提出了改进的数据抽样技术并综合论述了现阶段基于抽样技术的数据测量算法的研究。同时通过对重要数据参数的重新设置和分析,并结合使用多种数据取样的方法,探讨改进的数据空间映射技术与现阶段的各种取样方式在测量网络长流算法中的综合应用。(本文来源于《通讯世界》期刊2017年16期）
胡正伟,刘创业[5]（2017）在《基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法》一文中研究指出为解决传统模板匹配跟踪算法计算复杂度高且在目标形变、光照变化、遮挡等情况下容易发生跟踪漂移的问题,本文提出一种融合卡尔曼滤波、图像感知哈希与模板匹配的跟踪算法。本算法采用感知哈希技术提取目标的哈希值作为模板进行匹配,采用卡尔曼滤波预测下一帧中候选目标的搜索区域,然后,结合模板的哈希序值和目标位置变化信息设计新的匹配准则进行模板匹配,最后根据匹配结果,采用自适应模板更新策略和跟踪策略对目标进行跟踪。试验结果表明,本算法在目标形变、光照变化以及遮挡情况下具有一定的鲁棒性,且能满足实时跟踪的要求。(本文来源于《计算机与现代化》期刊2017年07期）
翟俊海,张明阳,王婷婷,郝璞[6]（2017）在《基于哈希技术和MapReduce的大数据集K-近邻算法》一文中研究指出K-近邻是一种着名的分类算法。由于简单且易于实现,因此其被广泛应用于许多领域,如人脸识别、基因分类、决策支持等。然而,在大数据环境中,K-近邻算法变得非常低效,甚至不可行。针对这一问题,提出了一种基于哈希技术和MapReduce的大数据集K-近邻分类算法。为了验证算法的有效性,在4个大数据集上进行了实验,结果显示,在保持分类能力的前提下,所提算法可以大幅度地提高K-近邻算法的效率。(本文来源于《计算机科学》期刊2017年07期）
卢建元[7]（2017）在《高性能哈希技术及其应用的研究》一文中研究指出哈希技术,由于具有O(1)的查询复杂度,被广泛应用于各种网络应用中。学术界对哈希技术的研究有很多,但是在网络新的发展趋势下,哈希技术面临一些新的挑战,具体体现在:1)随着高速网络带宽的迅速增长,需要具备线速处理速度的网络功能对性能要求越来越高,哈希计算代价正逐渐成为系统性能瓶颈;2)网络设备的并行处理能力日益丰富,使得开发利用并行处理能力加速传统哈希技术势在必行;3)各种应用对网络服务质量要求越来越高,而高速路由器作为网络的核心转发设备,需要更好的负载均衡机制来提高网络服务质量。针对这些挑战,本文提出了新的哈希技术解决方案,取得了以下研究成果:1.提出了降低哈希计算量的单哈希布隆过滤器结构。单哈希布隆过滤器以一个哈希函数和k个取模运算代替了标准布隆过滤器中的k个哈希函数计算。由于取模运算的计算代价远小于哈希函数的计算代价,单哈希布隆过滤器的计算代价近似为标准布隆过滤器计算代价的1/k。在降低哈希计算量的同时,单哈希布隆过滤器保持和标准布隆过滤器几乎相同的假阳性概率。实验表明,单哈希布隆过滤器可以有效提高元素查询速度,并且取得和理论分析一致的假阳性概率。2.提出了使用SIMD并行技术加速的超快速布隆过滤器结构。标准布隆过滤器执行串行的哈希函数计算和比特位检测过程。超快速布隆过滤器借助于SIMD技术实现了并行哈希计算算法和并行比特位检测算法。为提高元素查询过程中缓存命中率,元素信息被编码存储在位向量的一个块内。在严格对齐条件下,一次元素查询最多产生一次缓存缺失。实验结果表明,由于有效提高了查询过程的并行性,以及提高了缓存命中率,超快速布隆过滤器提升查询速度约2到3倍。3.在分布式的调度环境下,以哈希的方法分配流量会取得不错的负载均衡效果,但会以一个很小的概率在某个处理引擎上产生过载现象。为解决此问题,本文提出了随机负载均衡算法。当某个处理引擎过载时,将发送给这个处理引擎的一部分流量以随机化的方法重新选择一个处理引擎。本文从理论上证明了:当某个处理引擎发生过载现象后,使用随机负载均衡算法可以在大概率意义下恢复负载均衡。基于流量的实验表明,使用随机负载均衡算法的丢包率比纯哈希算法至少降低一个数量级。(本文来源于《清华大学》期刊2017-06-01）
张明阳[8]（2017）在《基于YARN和哈希技术的大数据K近邻研究》一文中研究指出大数据是近几年机器学习领域最热门的研究方向之一,大数据给传统的机器学习带来了巨大挑战。K-近邻是一种着名的分类算法。由于它简单且易于实现,所以被广泛应用于许多领域,如人脸识别、基因分类、决策支持等。然而,在大数据环境中,K-近邻算法的效率变得非常低,甚至不可行。针对这一问题,基于Yarn和哈希技术,本文提出了两种解决方案:一种用Mapreduce和SimHash在云计算平台上实现针对大数据集的K-近邻分类;另一种用Spark和SimHash在云计算平台上实现针对大数据集的K-近邻分类。两种解决方案的基本思路是类似的,包括叁步:(1)对大数据集做哈希变换,将其变换到海明空间;(2)在海明空间中,基于云计算Yarn平台用大数据计算框架Mapreduce和Spark寻找与测试样例x在同一个桶中的训练样例;(3)在同一个桶中再寻找测试样例x的K个精确近邻,并用这K个精确近邻对x进行分类。实验结果显示,在分类能力保持的前提下,本文提出的解决方案是可行的,而且可以大幅度地提高K-近邻算法的效率。(本文来源于《河北大学》期刊2017-06-01）
胡会南[9]（2017）在《基于哈希技术的高维数据相似性搜索研究进展》一文中研究指出数据检索中的相似性搜索是数据处理的基础问题之一,被广泛应用于机器学习、模式识别、图像检索等领域。本文针对哈希函数构建过程的不同分为基于位置敏感哈希的哈希索引技术和基于位置敏感哈希与布隆过滤器结合的哈希索引技术两部分进行综述。总结了具有代表性的哈希算法的研究现状,分析比较了各算法性能的主要差异,最后探讨了该技术尚需进一步研究的若干问题。(本文来源于《无线通信技术》期刊2017年01期）
代雪梅,李生刚[10]（2016）在《基于哈希技术的BoVW图像检索》一文中研究指出本文提出了一种基于哈希技术的BoVW图像检索方法.选择合适的生成二进制哈希码的哈希算法,将局部特征点保持相似性地映射为二进制哈希码.再在二进制哈希码上进行k-means,生成视觉词为二进制码的视觉词典.最后,用视觉单词的词频向量表示图像内容,并根据词频向量对图像进行检索.实验结果表明,该方法可以缩短视觉词典生成的时间,占用更少的存储空间.(本文来源于《微电子学与计算机》期刊2016年12期）
哈希技术论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在互联网时代,互联网技术以及电子商务的高速发展生成了海量信息,对于用户来说,从海量的信息中找到感兴趣的信息正变得越来越难,推荐系统应运而生,它将用户和信息联系了起来,推荐系统为用户找到感兴趣的项目(服务),且可能为用户找到喜欢的新事物。然而,传统推荐系统的协同过滤算法依赖于用户或项目的相似度计算,随着系统中的数据量的极速增加,这种线性的相似度计算方法表现出了局限性。本文提出了一种两阶段联合哈希的协同过滤算法,通过在保留用户对项目的偏好的情况下,将用户和项目映射到低维空间,使得推荐的过程转化为在低维空间搜索与目标用户具有较小海明距离的项目,省去了用户或项目之间的相似度计算,仿真实验表明,本算法具有较高效的推荐性能。本文的主要工作有:第一,提出了在评分数据的其中一个视角(用户或项目)来对该视角进行哈希的方法,在用户或项目视角应用主成分分析技术,得到该视角的低维特征表示,再对其应用迭代量化技术进而生成该视角的二值码,从而实现了对评分数据全局特征的提取。同时,也为进一步生成另一视角的二值码奠定了基础。第二,基于上一过程中得到的其中一个视角的二值码,用已有的评分信息约束用户与项目在海明空间的距离,生成另一视角的二值码,进而实现对评分数据局部特征的提取,也为下一步利用训练生成的用户和项目的二值码进行高效的推荐做好了准备。第叁,在两阶段联合哈希的基础上,利用二值码的特性和相似性检索的方法,通过以上两个过程的哈希编码工作,有效的减少了推荐过程中的计算消耗和存储消耗,最终提出并实现了一种基于两阶段联合哈希的协同过滤推荐算法。通过在MovieLens-1M数据集上的仿真实验结果表明,本文提出的算法能有效提高推荐质量和推荐的效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
哈希技术论文参考文献
[1].杜玲,陈振.图像篡改检测感知哈希技术综述[J].计算机科学与探索.2019
[2].侯耀祖.基于两阶段联合哈希技术的协同过滤推荐算法研究[D].安徽工业大学.2018
[3].田原.基于抽样和哈希技术的长流测量安全算法研究[J].网络空间安全.2017
[4].田原.基于抽样和哈希技术的长流测量算法研究[J].通讯世界.2017
[5].胡正伟,刘创业.基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法[J].计算机与现代化.2017
[6].翟俊海,张明阳,王婷婷,郝璞.基于哈希技术和MapReduce的大数据集K-近邻算法[J].计算机科学.2017
[7].卢建元.高性能哈希技术及其应用的研究[D].清华大学.2017
[8].张明阳.基于YARN和哈希技术的大数据K近邻研究[D].河北大学.2017
[9].胡会南.基于哈希技术的高维数据相似性搜索研究进展[J].无线通信技术.2017
[10].代雪梅,李生刚.基于哈希技术的BoVW图像检索[J].微电子学与计算机.2016
论文知识图
