古典加密(3)

I.对于字母表str[ ]a,b,c.....z(本例只考虑小写,你也可以改大小写的)换算成0,1,2...25个数组A[ ](简单的  数组映射关系),即:str[i]=A[j],i=j;

 II.选取秘钥,输入key(0-25),保证gcd(k,26)=1,即key和26互质。然后计算key的逆元(在此不介绍可  以google一下,简单说就是找到一个值与key相乘后对26模运算结果为1),赋值于key2。然后再输入一个人偏移密码key3(0-25);
 III.则明文M转换成密文C公式就是
          C=E(m);
          C=(m*key+key3)%26
          解密就是
          M=(C-key3)*key2%26;(对(C-key3)的结果进行简单分析后再进行解密方可。即大于0直接减,若小于0说明偏移的量需要借助最后字母就是C-key3+'z')
实例代码://里面没写注释希望见谅哈,不足之处,不吝赐教
#include<stdio.h>
#include<string.h>
#include "math.h"
#define M 20
int gcd(int k,const int m);
int qiuNi(const int k);
void jiami(const int k,char *str,int a[],const int n,char *test,const int key3);
void jiemi(const int k,char *str,int a[],const int n,char *test,const int key3);
void main()
{
	char str[26],ch,test[M];
	int i,a[26],key1,key2,n,key3;
	for(i=0;i<26;i++)
	{
		str[i]='a'+i;
		a[i]=i;
		//printf("%c\n",str[i]);
	}
printf("本例程忽略了对换行(换行也记录字符)的考虑,直接输入字符即可\n");
printf("输入明码的字母数字9结束或者最大为20以*字符结束\n");
   i=0;
   ch='a';
	while((i<20)&&ch!='*')
	{
		scanf("%c",&ch);
		if(ch!='*'){
	  test[i]=ch;
		i++;
		}
	
	}

n=i;
printf("this is the string %d\n",n);
for(i=0;i<n;i++)
{
	printf("%c",test[i]);
}
printf("\n");
printf("enter erthe key\n");
	scanf("%d",&key1);
while(gcd(key1,26)!=1)
{
printf("ent erthe key again\n");
scanf("%d",&key1);
}
printf("the key1 is %d\n",key1);
key2=qiuNi(key1);
printf("the key2 is %d\n",key2);
printf("enter the third key3\n");
scanf("%d",&key3);
printf("the key1=%d,key2=%d,key3=%d\n",key1,key2,key3);
jiami(key1,str,a,n,test,key3);
printf("jia mi process\n");
for(i=0;i<n;i++)
	{
printf("%c",test[i]);
		
}
printf("\n");
jiemi(key2,str,a,n,test,key3);
printf("jie mi process\n");
printf("\n");
for(i=0;i<n;i++)
	{
printf("%c",test[i]);
		
}
printf("\n");
}
int gcd(int k,const int m)
{
	if(k==0)
		return m;
	else
		return gcd(m%k,k);
}
int qiuNi(const int k)
{
	int i=0,k2;

	while(i<26)
	{
		if((i*26+1)%k==0)
		{
			k2=(i*26+1)/k;
				break;
			}
		i++;
	}	
	return k2;
}
void jiami(const int k,char *str,int a[],const int n,char *test,const int key3)
{
    int j=0;
printf("the key3 is %d\n",key3);
	for(j;j<n;j++)
	{ 
		int temp,index;
		temp=test[j]-'a';
		index=((a[temp]*k)+key3)%26;
		printf("temp=%d,index=%d\n",temp,index);
                test[j]=str[index];

	
	}


}
void jiemi(const int k,char *str,int a[],const int n,char *test,const int key3)
{
int j=0;
	printf("the key3 is %d\n",key3);
	for(j;j<n;j++)
	{ 
		int temp,index;
		temp=test[j]-'a';
		if(a[temp]-key3>=0)
		index=(a[temp]-key3)*k%26;
		else
			index=(a[temp]-key3+26)*k%26;
		//index=(a[temp]-key3)>0?(a[temp]-key3)*k%26:-(a[temp]-key3)*k%26;
		printf("temp=%d,index=%d\n",temp,index);
              test[j]=str[index];

	
	}

}


智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值