结合重采样图像多分类的隐写分析算法

针对包含不同重采样图像和单次采样图像的混合异构图像进行隐写分析时,由于其统计特性的差异会造成隐写检测分类器中测试样本和训练样本的“失配”现象,从而降低隐写分析算法的检测性能.文章首先分析了不同插值算法和不同重采样因子的重采样图像作为训练样本和测试样本时,训练样本和测试样本“失配”对隐写分析的影响,随后构造了一种基于SVM的多分类器,用以对重采样图像进行多分类,最后提出了一种结合重采样图像多分类的隐写分析算法,降低了“失配”对隐写分析算法的影响,提高了混合异构图像环境下隐写分析算法的检测效果,并以LSBM隐写算法为例进行实验,实验结果验证了本算法的有效性.     

基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法。广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值。仿真结果表明了该方法的有效性和良好的控制性能。     

考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

非侵入式负荷监测技术可以引导用户合理安排用电时间,从而减少电量消耗.其中,由于状态的连续可变性,连续变化(Type-Ⅲ)型负荷的辨识一直是非侵入式负荷监测中难以解决的问题之一.针对Type-Ⅲ型负荷的辨识难题,提出了基于深度卷积神经网络(CNN)和隐马尔可夫模型(HMM)的非侵入式负荷辨识算法.首先,根据互信息理论进行负荷特征选择;然后,利用残差神经网络作为深度CNN的基本架构,提取负荷多维特征并实现Type-Ⅲ型负荷的初辨识;最后,为了解决CNN辨识结果中存在的状态断点问题,采用HMM完成负荷辨识结果的连续性优化.在复杂的工商业运行环境中,对具有代表性的Type-Ⅲ型负荷数据进行了算法训练和验证,结果表明所提算法能有效辨识Type-Ⅲ型工商业负荷的运行状态.     

改性隐晶质石墨/炭黑/丁腈橡胶复合材料的制备与性能

采用液体丁腈橡胶（LNBR）改性隐晶质石墨（CG）,研究改性CG/炭黑/丁腈橡胶（NBR）复合材料的硫化特性、物理性能、动态力学性能和填料分散性。结果表明：CG颗粒的尺寸小、断面丰富、表面粗糙和较多结构缺陷增强了其反应活性;CG和改性CG均可以提高硫化胶的拉伸性能和撕裂强度,并且随着其用量增大,硫化胶的物理性能进一步提高;与CG相比,改性CG具有更好的补强效果,这是由于LNBR包覆改性使其表面呈疏水性,有助于填料-橡胶的界面作用增强以及填料在橡胶基体中的分散性和浸润性提高。     

隐层神经元数对基于神经网络的自相关过程控制的影响

将传统修哈特控制图应用于自动化连续生产过程,经常会引发大量虚发报警。使用神经网络方法对存在相关性的连续生产过程进行研究时,取得了良好效果。本文在使用BP神经网络对自相关过程进行监控的基础之上,对隐层神经元数对于神经网络训练收敛性及识别率的影响进行分析研究。针对一定的输入层神经元数,选择合适的隐层神经元数将极大的改善网络的训练效果并提高网络的识别率。     

板料成形数值模拟的有限元模型及应用Ⅱ——壳单元

本文回顾了板料成形数值模拟的壳单元模型研究发展概况, 阐述和比较了用于板料成形数值模拟几个经典壳单元模型的性能和特点, 指出了当前国际上该领域的研究热点及发展趋势。     

鲁棒的单类协同排序算法

单类协同过滤(One-class collaborative filtering, OCCF)问题是当前的一大研究热点.之前的研究所提出的算法对噪声数据很敏感,因为训练数据中的噪声数据将给训练过程带来巨大影响,从而导致算法的不准确性.文中引入了Sigmoid成对损失函数和Fidelity成对损失函数,这两个函数具有很好的灵活性,能够和当前最流行的基于矩阵分解(Matrix factorization, MF)的协同过滤算法和基于最近邻(K-nearest neighbor, KNN)的协同过滤算法很好地融合在一起,进而提出了两个鲁棒的单类协同排序算法,解决了之前此类算法对噪声数据的敏感性问题.基于Bootstrap抽样的随机梯度下降法用于优化学习过程.在包含有大量噪声数据点的实际数据集上实验验证,本文提出的算法在各个评价指标下均优于当前最新的单类协同排序算法.     

基于改进支持向量机的高维隐写盲检测方法

针对高维大样本空间中支持向量机( SVM)存在计算复杂度高、分类精度低等问题,在随机子空间方法与主成分分析方法的基础上,提出一种特征加权支持向量机的高维隐写盲检测方法。通过随机子空间对原始高维样本的特征空间进行随机采样,产生多个低维的特征子集,在特征子集中采用主成分分析法进行特征提取,并利用卡方统计计算特征权重,运用特征加权核函数训练各基SVM分类器,并用多数投票法融合各基分类器结果得到最终分类结果。对HUGO隐写算法的实验结果表明,该方法能有效降低SVM计算复杂度,与传统方法相比,具有较高的隐写检测率和更快的分类速度。     

基于DOM状态转换的隐网页信息抽取算法

由于网页大量包含动态Java Script脚本,造成大部分网页内容对传统的网页爬虫不可见。为此,提出一种基于DOM状态转换的隐网页信息抽取算法。该算法增量地构建DOM状态转换机,以DOM节点及其点击事件作为状态机的输入事件。对能够引起目标节点变化的转换路径进行递归搜索;通过重放点击路径,自动完成目标节点的内容抓取;通过覆盖监听器方法原型,获取DOM树中所有可点击的节点作为候选节点。该算法应用RTDM算法和自定义过滤器来对DOM状态空间进行压缩,以缩减搜索空间,定义DOM树中候选节点到目标节点的距离作为h打分,进行启发式搜索。实验表明,所研究算法性能优良,对隐网页内容的抽取准确率达到89.48%,可应用在网页自动化测试、网页爬虫等领域。     

中医诊断古文的词性标注与特征重组

中医诊断古文存在大量单音词,使用通用切词技术处理,结果是单个的分词结果,不能构成一个完整的诊断词汇。对此,设计一个基于键值对模型的中医诊断词性标记集,提出基于词汇联系的隐马尔可夫模型（HMM ）,进行词性标注,结合词法分析,采用移进归约算法进行特征重组,生成中医诊断词汇。实验结果表明,改进的 HMM 的词性标注准确率在训练集和测试集中分别提高了2?58％和1?02％,特征重组结果是完整独立的诊断词汇,方便中医人员进行诊断分析,适合构成向量空间模型的特征。