基于状态表决的安全计算机数据库更新算法

对于轨道数据库在线更新这种大规模数据的短时间加载,安全计算机无法对其进行直接表决。为此,提出一种基于状态表决的安全计算机数据库更新表决算法,不直接对数据库表决,而是对数据库状态表决,解决表决数据量过大的问题,同时可对多系之间的数据库版本进行实时比对。使用马尔科夫模型分析该算法的安全性和可靠性,结果表明,该算法可确保安全计算机数据库的在线更新。     

状态表决下的计算机数据库更新算法分析

随着计算机技术应用范围的逐渐广泛,其存在的安全问题也越来越受到人们的关注,更新算法,能够进一步对计算机安全性进行提高.本文着重研究计算机数据库在状态表决下的更新算法.     

基于LoRa的无线表决系统中的远程更新设计

在无线表决系统的研制过程中,因为经常需要对大批量的终端的应用程序进行修改,通过烧录的方式逐个更新会大大降低系统研制的效率,因此往往采用远程更新技术。针对基于移频键控(FSK)技术的无线表决系统在远程更新大批量终端存在邻频干扰现象,导致终端远程更新的成功率较低的问题,提出基于LoRa的无线表决系统的远程更新方法。利用LoRa的线性扩频技术,增强文件无线传输时的抗干扰能力,降低由于邻频干扰现象所带来的更新失败的次数,提高大批量终端的一次更新成功率。实验结果表明,基于LoRa的无线表决系统在远程更新大批量终端时,相比FSK技术,可以有效提升终端的一次更新成功率,提高系统研制效率。     

旋转机械在线状态监测系统数据库开发与设计

介绍了一个在线监测系统的ORACLE数据库开发，给出了数据库的概念设计和逻辑设计的过程和实现，概述了数据库物理设计的原则和几点实践中体会，概述了sql语言以及在结合本系统编写sql脚本过程中需注意的要点。本数据库完全符合工厂实际需求，且实际运行效果良好。     

基于状态稳定性更新的距离向量路由算法

为了满足多种业务需求、优化网络资源,QoS路由需要具备较准确的网络状态信息计算路径。受到网络开销等诸多方面的限制,现有的距离向量等算法难以及时、准确地描述网络状态统计特征,状态的不确定性成为了服务质量研究的难点。该文提出了一种基于状态稳定性更新的距离向量路由算法（SSB-DV）,改进了对距离向量算法的周期更新方式。通过分析和仿真实验表明,SSB-DV算法能够在确保网络有效利用等重要的路由性能的基础上,以较小的代价使具有显著变化的网络状态得到及时的更新和通告。     

基于majority和median表决算法的混合表决算法

本文提出结合majonty和median的表决算法,问题得到较好改善:首先使用majority表决算法进行工作,当出现无法表决的情况时,计算数据分散程度,如果小于某个设定安全阈值,则使用median表决算法来处理这种情况,若大于安全阈值,则输出一个无法表决的信号.最终的仿真测试表明:结合majority和median表决系统是一种可行的方法,能够提高表决系统输出正确率;错误率虽然有小幅增加,但能够有效改善majority无法输出的情况,同时正确率有一定程度的提高.本文提出的表决算法可以适用于需要提高输出正确率并且可以适当降低安全性的应用环境,测试结果表明对于连续信号和离散信号都有较好的效果.     

基于用户反馈的WiFi位置指纹数据库更新算法

为使Wi Fi位置指纹数据库,不在定位区域Wi Fi环境发生改变时,出现位置指纹过时现象,设计一种更新算法。该算法使用用户的反馈数据,考虑了AP信号不稳定情况下AP新增与撤销的检测问题;消除了手机热点等临时AP对传统更新算法的影响;最终通过检测AP位置移动等引起的RSS改变,加速位置指纹数据库的更新。实验结果表明,在实际环境中该算法在指纹数据库的更新效率上优于传统更新算法。     

基于正则化的乘更新在线分类算法

大样本集上在线预测算法时间空间复杂度小、预测准确性高,与批处理学习算法相比,有明显的优势。自从Jivinen和M.Warmuth提出权衡正确性与保守性的在线学习框架后,在线学习框架已被广泛引用。但是在Jivinen和M.Warmuth提出的梯度下降和指数梯度下降算法中,对目标函数中的损失函数求导过程中使用近似步骤会引起在线学习结果恶化。运用对偶最优化理论,提出了非近似的基于不同距离和损失函数的乘更新分类算法,一系列的实验显示算法提高了预测准确率。     

基于Linux的在线更新服务系统

介绍了一个能够在用户态下支持动态加载服务的应用系统,重点阐述了该系统的实现思想和方法。     

基于双线程LSTM在线更新的视频追踪算法

针对视频追踪中基于孪生网络的追踪算法在对有遮挡物或运动突变的物体进行追踪定位时会出现定位不准确的问题,设计了在线更新网络的视频追踪算法T ripL T.该算法采用循环神经网络进行目标位置的预测,并采用全卷积神经网络对目标进行相似度的判定.T ripL T算法可预测下一帧的目标位置,以摆脱遮挡物的影响,并且T ripL ...     

直方图在线更新的肤色识别方法研究

提出了一种基于直方图在线更新的肤色识别方法,在使用Adaboost算法提取出人的脸部区域后,计算出该区域YCrCb色彩空间的颜色直方图,构建肤色区域的概率模型。使用该模型对图像中所有的像素点进行计算区分,并根据实时识别结果在线更新,达到较好的识别率。     

动力学在线更新的人和机器人握手智能控制器

为实现人和机器人握手运动的同步, 本文提出了一种基于动力学在线更新的智能控制器. 首先, 建立了人和机器人握手的仿真模型; 然后对智能控制器中有任意吸引子的动力学系统进行多项式近似设计和在线更新设计,使其具备自振动特性和输入输出同步特性; 同时通过忘却系数和负荷系数, 输入输出同步程度能实现参数可调; 最后, 将该智能控制器用于人和机器人握手的控制中, 仿真结果表明了该智能控制器设计的有效性.     

QBC主动采样学习在垃圾邮件在线过滤中的应用

针对垃圾邮件在线过滤的实际应用,在委员会投票算法采样学习的基础上,提出动态提升采样门槛,在无标签样本池中阶梯式获取高信息量训练样本的方法。该方法能够在稳定识别精度的前提下,进一步降低用于标注和学习的样本数量,压缩由此带来的时间成本。通过在UCI的Spambase数据集上仿真,证明了该方法在改善学习效率方面的有效性。     

基于部分背景加权更新的均值漂移跟踪算法

为了解决均值漂移跟踪算法中背景对目标定位的扰动, 提出了一种基于颜色和纹理混合特征以及采用背景加权更新的改进算法。改进算法先将原始视频序列RGB帧图像转换为HSV颜色空间表示, 然后分别在H、S通道上提取颜色特征, 在V通道上用LBP描述符提取纹理特征, 在此基础上为目标区域和背景区域建立三维颜色纹理混合直方图作为其描述符; 在对象的跟踪过程中, 通过巴氏系数选择性地加权更新部分背景信息。实验结果表明, 与基于全部背景更新策略相比, 改进算法充分利用了颜色和纹理特征并加权更新背景信息, 具有更高的可靠性和鲁棒性, 具有更好的计算效率。     

An adaptive dead reckoning algorithm using update lifetime

This paper proposes a new, adaptive Dead Reckoning algorithm, called Dynamic Dead Reckoning, for distributed interactive simulation and humanoid avatar systems. The proposed model can overcome the weak points of traditional Dead Reckoning caused by a fixed threshold and a strong dependency on rotation behaviour of entity. This paper introduces a new criterion for update message filtering, named as state update lifetime, which is a valid duration time of entity state update. The Dynamic Dead Reckoning has the advantage of keeping the balance between filtering performance and extrapolation fidelity using two major components, variable threshold mechanism and rotation event model. The experimental results show that the proposed algorithm can lower the increment rate of update traffic with the increase of rotation frequency without any significant loss of accuracy.     

基于不同损失和距离函数的乘更新分类算法

与批处理的学习算法相比较, 在线预测的算法由于在大样本集上具有预测准确性高、时间的空间复杂度小, 因此占有非常大的优势。对于Warmuth与Jivinen提出的保守性和权衡正确性的在线学习框架, 已经得到相当广泛的应用, 但是在他们所提出的指数梯度下降算法以及梯度下降算法中, 对于目标函数中的损失函数, 在其求导过程中使用近似步骤将会造成在线学习结果的恶化。根据对偶的最优化理论, 基于不同损失函数与距离函数, 提出了变更新分类算法。通过一系列的实验分析与研究, 结果表明, 该算法使得预测准确率得到了很大的提高, 从而验证了该算法的正确性、可行性和有效性。