基于Web单点登录的研究与实现

教育信息化是当今世界教育发展的一个趋势。随着校园网络建设的发展,各种应用系统不断涌现,对于各个系统用户的管理也越来越复杂。鉴于此该文研究了单点登录技术及其实现模式,并实现了一套简单高效的单点登录系统。     

基于双基点法的多传感器数据融合

针对具有多个特征指标的多传感器目标识别问题,提出一种基于双基点法的信息融合方法.该方法根据指标隶属度矩阵将多传感器目标识别问题转化为多目标决策问题.通过定义熵权和相对接近度,改进了传统的双基点法,从而给出目标识别算法.该方法利用熵权较好地避免了目标识别受主观因素的影响,特别适用于具有多个特征属性的多个目标的识别.仿真实例验证了所提出算法的有效性和可操作性.     

基于幂均算子的区间型多属性决策方法

针对决策矩阵元素为区间数的不确定多属性决策问题,提出一种新的决策方法．定义了区间数幂均算子和区间数的相似度,利用一致度矩阵获得每个属性与其他属性的相对一致度．通过区间数幂均算子集成得到方案的综合属性值,进而给出了方案的排序结果．该方法不需要求解属性的权重．应用实例表明了所提出方法的有效性和实用性．     

一种空间自适应采样和递归线性估计的光线投射算法

光线投射算法因其成像质量高而广泛地用于虚拟内窥镜系统,但成像速度非常缓慢.为此,本文提出了一种自适应采样和递归估计的成像加速算法.首先,根据查找法快速得到的梯度和光线方向信息,自适应地调整采样步长,使得该算法能够以大步长快速跳过体素值变化缓慢的区域,同时在体素值变化剧烈或快接近等值面的区域,能够以小步长进行搜索.其次,以递归线性插值的方法估计投射光线与实际等值面的交点,用于补偿大步长导致交点精度的降低,此举能够显著地提高成像质量.实验结果表明,该算法在保证绘制图像质量的前提下,提高了体绘制速度,取得了比较满意的效果.     

基于ORD和FSM的Web应用的建模与测试

Web测试是保证高质量Web应用的一种有效技术.然而,由于其特殊性和复杂性,很难直接将传统的测试理论与方法学运用到Web应用的测试当中来.对Web应用进行了分析与建模,并对其进行测试,提出了一种可行的Web测试模型.首先得到页面流图(PFD,Page Flow Diagram),进而产生对象关系图(ORD,Object Relation Diagram),然后根据提出的算法将ORD转化为形式化的有限状态机(FSM,Finite State Machine)模型.基于FSM模型,提出了一种有效的测试路径自动生成方法,这些测试路径可以转化为XML语法的测试规格说明.测试引擎将测试规格说明作为输入最终产生测试报告.全文以所开发的一个小型的Web应用SWLS(Simple Web Login System)为例进行阐述.     

基于复杂网络面向对象集成测试的研究

软件测试是保证软件质量的重要手段.面向对象的方法给软件系统带来好处的同时,也为测试带来了挑战,传统的测试方法无法应用于许多面向对象的特性.研究表明,大型软件系统内部结构具有小世界效应(Small-World,SW)和无标度特性(Scale-Free,SF).基于软件的复杂网络特性对面向对象的集成测试进行了研究,提出了一种通过分析类之间的交互复杂性和聚集复杂性来确定软件测试顺序的方法.利用该方法进行面向对象集成测试可以减少桩模块的数量,提高测试效率,且不降低原有测试覆盖度.     

基于贝叶斯正则化神经网络虚拟企业敏捷性评价

高敏捷性是虚拟企业适应不断变化的市场必备的素质,如何对它进行准确评价是虚拟企业运行中的重要问题,针对此问题先对虚拟企业及其盟员敏捷性之间的关系分析,然后提出在已知虚拟企业盟员敏捷性的基础上用贝叶斯正则化神经网络来计算虚拟企业的敏捷性,最后通过仿真试验测试了该方法的可行性。实验结果证明与非正则化神经网络相比,贝叶斯正则化神经网络的泛化能力强,评价数据结果稳定。该方法可用于各种规模的虚拟企业评价。     

红外人脸识别技术

研发一个稳定可靠的人脸识别系统至今还是计算机视觉中的一个难题,用红外图像来进行人脸识别是近几年才发展的一个新领域。本文对红外人脸识别技术,特别是特征提取的研究,进行了综述,并对未来红外人脸识别的方向进行了展望。     

深度学习时代图像融合技术进展

为提升真实场景视觉信号的采集质量,往往需要通过多种融合方式获取相应的图像,例如,多聚焦、多曝光、多光谱和多模态等。针对视觉信号采集的以上特性,图像融合技术旨在利用同一场景不同视觉信号的优势,生成单图像信息描述,提升视觉低、中、高级任务的性能。目前,依托端对端学习强大的特征提取、表征及重构能力,深度学习已成为图像融合研究的主流技术。与传统图像融合技术相比,基于深度学习的图像融合模型性能显著提高。随着深度学习研究的深入,一些新颖的理论和方法也促进了图像融合技术的发展,如生成对抗网络、注意力机制、视觉Transformer和感知损失函数等。为厘清基于深度学习技术的图像融合研究进展,本文首先介绍了图像融合问题建模,并从传统方法视角逐渐向深度学习视角过渡。具体地,从数据集生成、神经网络构造、损失函数设计、模型优化和性能评估等方面总结了基于深度学习的图像融合研究现状。此外,还讨论了选择性图像融合这类衍生问题建模(如基于高分辨率纹理图融合的深度图增强),回顾了一些基于图像融合实现其他视觉任务的代表性工作。最后,根据现有技术的缺陷,提出目前图像融合技术存在的挑战,并对未来发展趋势给出了展望。     

支持预览的版权图像共享

针对数字水印技术均不考虑版权图像共享场景中用户的预览需求,以及软件控制方法和附加信息方法的局限性,该文提出一个支持直接从加密图像预览原图像部分视觉内容的版权图像共享方案。为此,将缩略图保持加密的思想引入到用户端嵌入的水印方案中,通过像素调整在加密图像上呈现原图像内容的模糊版本。用于调整的像素位被事先以信息隐藏的方法嵌入隐藏区域中,以保证解密的正确性。此外,用户水印被在解密的同时嵌入到图像中,用于实现对未授权重分发行为的追踪。这样一来,不仅满足了共享过程中用户的预览需求还同时保护了图像的版权。理论分析和实验测试的结果展现了所提方案的安全性、可行性、高效性和鲁棒性。