DDS式液压泥炮的设计计算

本文在文献［１］的基础上分析了机构的运动，建立了炮嘴的运动轨迹方程，对泥炮回转阻力矩和驱动力矩进行了分析计算。对于该设备的设计计算、安装应置及泥炮的回转空间的确定等提供了理论依据。     

一种基于复数域的数据融合完整性保护算法

随着无线传感器网络技术的快速发展,传感器网络开始承载越来越多的应用服务,很多应用都需要保证信息或数据的隐私性和完整性,这对网络数据融合提出了更高的要求.因此,设计一种能够实现隐私保护兼完整性保护的数据融合方案显得尤为重要.文中提出了一种基于复数域的新无线传感器网络数据融合完整性保护算法,通过对实部真实数据增添私有种子进行隐私保护,并利用复数的虚实部关联特性进行数据的完整性保护.此外,算法依靠数据融合树型结构本身的特性,减少了数据通信开销,计算复杂度低.理论分析表明,在恶意节点的各种攻击情况下,算法具有良好的完整性保护性能.仿真结果显示,算法可以在有效保护数据隐私性和完整性的前提下,花费与 TAG 相同的时间,得到精确的数据融合结果     

一种新的轨迹聚类及有效性评价方法

为解决轨迹聚类问题,提出一种新的无监督轨迹聚类及聚类有效性评估方法。通过建立双层字符串轨迹模型,计算得到轨迹间距离并用作聚类依据。提出轨迹同距点比例的概念,以此作为聚类工具,并采用类内平均同距点比例作为聚类有效性评价值。利用麻省理工大学(Massachusetts Institute of Technology,MIT)停车场行人路径数据集进行实验,实验结果表明,新的无监督聚类算法能较好地完成轨迹聚类任务,平均类内同距点比例能够很好地衡量分类效果。     

增强现实中的位置隐私保护

随着增强现实技术和基于位置服务（LBS）技术的发展,增强现实的应用也越来越广泛,LBS是增强现实的一个重要应用,用户位置隐私的泄漏是LBS用户的重要威胁,因此对用户位置隐私的管理就显得非常重要。论文首先分析用户位置隐私保护的重要性,接着介绍用户位置隐私泄露的类型,并分析和比较目前已有的用户位置隐私保护方法的优缺点,最后提出含有集中受信任的第三方模型的用户位置隐私保护方法,该方法优化了现有的用户位置隐私保护方法,可以有效地实现用户位置隐私的保护。     

乒乓球机器人的视觉伺服系统

视觉伺服的乒乓球机器人系统作为典型的"手眼系统",是研究高速视觉感知和快速伺服运动的理想平台,其涉及的高速物体识别跟踪、快速精确轨迹预测及机械臂伺服准确回球等关键技术在工业、军事等领域有广泛的应用前景.本文提出了乒乓球机器人的高速视觉伺服系统实现方法,包括基于特征直方图统计和快速轮廓搜索的目标识别算法,基于模型参数学习和自适应模型调整的物体运动状态估计和轨迹预测算法,及基于轨迹预测的灵巧臂回球规划算法.通过实验验证了各算法的实时性和高效性,并在165cm高的仿人机器人"悟"和"空"上成功实现了双机器人对打和与人对打任务.     

小型固定翼无人机定点降落轨迹跟踪与控制

自动降落是无人机自主性的重要指标之一,具有自动定点降落的小型固定翼无人机能够实现自动撞网、自动钩拦阻索等降落回收方式,对无人机的实际应用有巨大的意义.本文给出了一种小型固定翼无人机定点降落的控制方案,使用扩张状态观测器和基于动压的增益调度解决了动压变化对无人机飞行品质的影响,使用速度矢量和侧偏距控制方法引导无人机实现定点降落.     

基于分布式信息流控制的MapReduce隐私安全加强方案研究

随着信息技术的发展,分布式系统被广泛应用于金融、医疗等领域。其中以基于MapReduce的数据挖掘为代表的应用对隐私的保护往往有很高的要求。本文提出一个基于分布式信息流控制的MapReduce框架,用以保证MapReduce中信息的私密性和完整性,同时给出系统原型的实现。     

全面布控让隐私信息安全无忧

如果几个人合用一台电脑,或者在公众场合下工作,用户一不小心就可能将自己的隐私信息暴露出来,从而会给自己甚至单位带来安全麻烦或威胁。为了让自己的隐私信息安全无忧,我们有必要对系统进行全面布控,让隐私操作不留痕迹或者让系统自动清除隐私痕迹!     

打开安全键盘 安全畅享免费Wi-Fi

近日,有报道,在公共场所利用免费Wi-Fi上网,可能会被黑客利用钓鱼网站盗取账号和密码。另有黑客现身说法,只要一台笔记本、一套无线网络和相关软件,就能搭起一个欺骗性Wi-Fi。公共Wi-Fi虽然方便,但随时可能为您的电脑带来威胁。如果您是需要经常带着电脑外出办公的上班族或是经常喜欢周末带着电脑泡在咖啡馆的小资族,则更加需要注意这类问题。     

DCKPDP：改进k-prototype聚类的差分隐私混合属性数据发布方法

当前混合属性数据发布中隐私保护方法大多存在隐私保护效果不佳或数据效用较差的问题,采用差分隐私与优化的k-prototype聚类方法相结合,提出改进k-prototype聚类的差分隐私混合属性数据发布方法(DCKPDP)。为解决传统k-prototype聚类算法没有考虑不同数值型属性对聚类结果有较大影响的问题,利用信息熵为每个数值型属性添加属性权重;为解决聚类初始中心点人为规定或者由随机算法随机确定,导致聚类结果精确度不高的问题,结合数据对象的局部密度和高密度对聚类过程中初始中心点进行自适应选择;为解决数据信息泄露风险较高的问题,对聚类中心值进行差分隐私保护。实验结果表明,DCKPDP算法满足差分隐私保护所需的噪声量更小,数据的可用性更好。