云概念相似性度量及其在數字水印中的應用研究.pdf

1、不確定性知識表示和處理，包括定性定量轉換、軟計算、變粒度計算等，逐漸成為網絡計算中亟待解決的熱點問題。雙向認知計算模型——云模型是李德毅院士在結合概率論和模糊數學理論兩者的基礎之上，通過賦予樣本點以隨機確定度統(tǒng)一刻畫概念的隨機性、模糊性及其關聯(lián)性。不確定性知識的表示和處理在人工智能、數據挖掘、機器學習等領域能有廣泛應用。在運用云模型的時候，對定量的數據，往往使用云變換將其轉換為定性概念，通過定性概念的相似性度量，來表征數據的相似性。在云

2、數字水印技術方面，云概念間的相似性度量分析的作用尤為明顯，例如對提取嵌入到宿主對象的水印云滴后，將會判斷提取的云水印是否就是嵌入到宿主的水印云滴。云概念相似性度量算法的好壞影響到云模型在運用中的效率和精度，因此研究云概念間的相似性有一定的理論價值和實際意義，也是對云模型研究的擴展。
　　 本文的主要工作包含以下幾個方面:
　　 1)介紹了不確定計算的相關知識以及雙向認知計算模型——云模型。
　　 2)正態(tài)云概念的

3、相似性度量已有多種算法被提出，分析了現(xiàn)有云概念間的相似性度量算法，存在如下不足:時間復雜度高、對數字特征值要求過高、不能較好推廣至高階、區(qū)分度低等。在現(xiàn)有研究成果基礎上，推廣了期望曲線的定義，推導了云概念間每階期望曲線間的距離公式，再通過加權求平均距離來得到兩個正態(tài)云概念的相似度，提出了基于多階期望曲線加權的云概念相似性度量算法。
　　 3)將不確定性數學模型引入數字水印領域，把關注點放在研究水印的產生、提取，以及驗證云水印的存