基于局部奇异值分解和D-S理论的人脸识别方法

;提出了基于局部奇异值分解和D-S证据理论的人脸识别方法.首先分割出人脸图像的5个特殊区域并分别进行奇异值分解,提取一些较大的奇异值构成每一区域的特征向量;在识别阶段,计算待识别人脸图像每一区域对所有训练样本人脸图像相应区域的隶属度,最后由D-S理论的组合规则做出判断.基于ORL人脸数据库的实验结果证明了本文方法的有效性和可行性.     

基于直方图特性的LSB匹配隐写分析研究

为了提高对高精度原始图像LSB匹配数字隐写的检测能力,提出了基于直方图特性的LSB匹配隐写分析方法.根据高精度原始图像在LSB匹配数字隐写过程前后灰度直方图、差分直方图以及小波分解后的子带系数直方图的特性差异,提取了23维的特征向量,并使用支持向量机对其进行训练,建立区分载体图像与载密图像的分类器达到检测秘密信息的目的.实验结果表明,该方法在性能上要优于文献[5]的局部极值法.     

VB中增强滚动条控件类模块的实现

基于Windows API函数,实现了一个类模块,可增强VB中的滚动条控件,使滚动条控件的值范围扩大到长整数表示的范围,并可解决其白色背景问题.该程序封装了与滚动条相关的常见功能,并具有很强的通用性,可用于任何工程.其接口也十分简单,主调程序只需用简单的几行代码即可调用.介绍了该类模块的设计,主要实现技术和调用接口等.该类模块功能强大,使用方便灵活,可以成为VB程序设计中的得力助手.     

输出信号量化的双率采样系统参数辨识方法

针对双率采样和信号量化(signal quantization)[BFQB]的控制系统,采用随机重复性试验测量信息,提出基于辅助模型的双率采样量化控制系统辨识方法.分析了在随机重复试验和放松估计误差方差条件下,双率采样量化系统的模型特征并给出了分两步辨识的策略,推导了进行参数辨识所满足的持续激励条件,并给出了基于辅助模型的双率采样量化控制系统量化辨识递推算法;接着分析了所给出量化辨识递推算法的收敛性,得到了双率采样量化系统参数估计误差上界的计算式,最后数字仿真验证了该算法及结论的有效性.     

现代教学手段在体育教学中的运用

前言 教育现代化的重要标志是教学手段的现代化.计算机多媒体技术作为当今电化教育的先进技术,已在许多方面得到了应用,它对提高课堂教学的效率与效益起到事半功倍的作用.实践证明,多媒体教学技术的应用,对于引发学生的学习兴趣,充分发挥学生的主体作用.     

空间微重力环境地面模拟系统的控制器设计

针对小型和迷你型试验目标,提出一种新的空间微重力环境模拟系统.系统采用平面气浮和气缸垂直悬浮组合方案来模拟空间微重力环境,并采用恒张力控制思想来模拟垂直地面方向上的微重力状态.采用RBF神经网络控制和滑模变结构控制复合控制方案,其中RBF神经网络用于逼近和补偿系统的不确定信息,并作为前馈补偿使跟踪误差快速收敛;通过滑模变结构控制消除RBF神经网络的逼近误差和不定随机干扰的影响,保证系统的鲁棒性.实验研究结果表明,该控制方案是有效的,系统具有较好的动态响应能力、鲁棒性和自适应能力.     

一种准确简便地标定氧化锆氧量分析仪的新方法

本文提出仅用一种标准气或不用标准气标定氧化锆氧量分析仪的新方法。它符合我国的相关检定规程,适宜含氧量下限不小于0．1％的氧量分析仪的首次检定、后续检定和使用中的检验,尤其适宜在发电厂使用了较长时间后,对“检测器的多孔陶瓷过滤网已破损或其气孔被堵塞程度不明”的情况下进行检定或标定。     

时间敏感网络流量调度算法研究综述

时间敏感网络（Time-sensitive Networking,TSN）是一种新型确定性网络,具有低时延、低抖动等特点,能够满足现代网络传输控制的要求。流量调度是TSN标准中关键技术之一,用于确保流量传输的服务质量。首先对时间敏感网络的发展背景、重要机制、应用场景进行阐述,着重研究5种时间敏感网络流量调度机制,包括基于时间的整形机制、基于信用值的整形机制、循环队列转发机制、帧抢占机制以及异步流量整形机制;然后,分析了流量调度算法的研究现状,归纳和总结了时间触发（Time-triggered,TT）流和事件触发（Event-triggered,ET）流的调度算法,分析了目前流量调度算法存在的问题;最后,指出了TSN流量调度算法的发展方向和趋势。     

低副瓣微带天线设计

针对传统低副瓣天线工作带宽窄的问题,设计了一种应用于低副瓣天线阵列设计的新型宽带微带天线单元。通过采用H型槽耦合馈电方法,天线单元工作带宽达到11%以上。同时,为实现天线阵列的宽频带工作特性,对宽带馈电网络进行了专门设计。馈电网络采用串、并结合的馈电方式,利用阻抗变换节实现所需要的天线单元馈电幅相分布。基于所设计的天线单元和馈电网络,设计了一种基于道尔夫-切比雪夫电流分布的C波段微带天线阵,并对天线进行了加工、测试。测试结果表明,所设计的天线具有低副瓣、窄波束、高增益的特性,天线的旁瓣电平抑制大于20 dB。     

基于卷积神经网络的随机因子重采样图像检测

图像重采样检测是图像取证领域的重要任务,其目的是检测图像是否经过重采样操作。现有的基于深度学习的重采样检测方法大多只针对特定的重采样因子进行研究,而较少考虑重采样因子完全随机的情况。本文根据重采样操作中所涉及的插值技术原理设计了一组高效互补的图像预处理结构以避免图像内容的干扰,并通过可变形卷积层和高效通道注意力机制(efficient channel attention, ECA)分别提取和筛选重采样特征,从而有效提高了卷积神经网络整合提取不同重采样因子的重采样特征的能力。实验结果表明,无论对于未压缩的重采样图像还是JPEG压缩后处理的重采样图像,本文方法都可以有效检测,且预测准确率相比现有方法均有较大提升。