以直方图差值序列为特征的JPEG MB2隐写分析

基于JPEG图像的离散余弦变换(DCT)系数直方图差值序列,提出一种新的检测JPEG MB2隐写术的方法。该算法定义JPEG图像的DCT系数一阶直方图与其Cauchy拟合分布模型的系数直方图之间的差值序列作为相关性度量,在此基础上构造区分隐写图像和载体图像的分类特征序列。在特征分析中,通过Hilbert-Huang变换对特征序列进行经验模式分解,构建了基于Hilbert谱的特征向量。实验结果表明,基于该特征向量的支持向量机(SVM)对MB2隐写算法检测平均准确率达到84.48%,该方法也适用于JPEG MB1的检测。     

一种结构化P2P协议中的缓存计算模型

P2P系统是一种分布式系统,降低系统负载对提高P2P系统的扩展性具有重要意义.目前结构化P2P协议主要利用缓存方法解决查询热点问题,这些缓存方法对数据缓存后的收益无法预测,是一种较盲目的缓存,往往导致系统负载加重.本文提出一种结构化P2P协议中的缓存计算模型,该模型以降低系统负载为目标,节点采用一种文件访问统计方法跟踪查询本地文件的消息途经邻居节点的历史次数,根据历史统计记录预测缓存该文件到邻居节点可能减少的查询负载,然后与缓存后可能产生的更新开销对比,进而确定是否缓存文件到相应的邻居节点.实验表明,该缓存计算模型可以有效降低系统负载.     

一种结构化P2P 协议中的自适应负载均衡方法

提出一种自适应负载均衡方法,方法采用一种被动式结点负载统计方法生成局部负载视图;一种文件访问统计方法生成局部文件访问视图;当系统内结点负载存在差异时,重载结点把指向自身的逻辑链路迁移至指向局部负载视图中的轻载结点,通过减小重载结点入度和增加轻载结点入度来减小结点间负载差异;当结点的请求负载较高时,通过局部文件访问视图计算需要缓存的热点文件及目标结点,降低承载热点文件的结点请求负载.实验结果表明,在用户查询服从Zipf 分布的环境下,自适应负载均衡方法可使系统负载达到较好的均衡;缓存方法虽然在一定程度上增加了缓存和更新开销,但在一定条件下比查询消息命中缓存节省的网络开销要小,降低了系统的整体负载.     

Word对象模型在操作题自动测评中的应用

为了实现高效公正的组卷和判卷,Office操作题自动测评系统应运而生。结合实际开发的Office操作题测评系统,以Word操作题测评为例,探讨自动测评的关键技术原理．并着重研究Word对象模型在测评技术中的具体应用。     

“以学生为主体”网络教学平台的设计与应用

为了开发适合本校学生学习风格的网络教学平台,在现行学习平台的基础上,提出一种“以学生为主体”的网络教学平台的改进方案,并进一步探讨改进后的网络教学平台在教学中的应用。     

基于深度卷积神经网络的跨年龄人脸识别

提出了一种应用于跨年龄人脸识别的联合学习方法,该方法由深度卷积神经网络构建而成,能在特征学习的同时学习到最优的测度函数,从而避免不合适的固定阈值所带来的匹配错误.针对有限的内存、过拟合和计算复杂性高的问题,在模型训练过程中采用了多种新颖和有效的训练策略.实验证实了该联合学习方法的有效性,在公开数据库MORPH-II上的识别正确率达到了93.6％.     

基于能量效率的无线传感网络分簇算法

由于无线传感网络中传感器节点能量受限,提出基于能量效率的无线传感网络快速分簇算法(EECA),在系统初始化阶段把部署区域快速分成多个簇,随后以权衡节点自身能量消耗比和度作为选择簇头节点的依据,这时候的重新选举簇头节点变成了一种局部触发的行为,由于重新选举簇头节点只在簇内进行,这大大减少了重新选举簇头节点的复杂性和计算负载.理论分析表明EECA簇形成算法的消息和时间复杂度均为O(1),说明算法的开销较小,与网络的规模n无关.仿真实验结果表明EECA具有良好的负载平衡性能和较小的协议开销,与LEACH协议相比,能够减少能量消耗,延长网络生存期.     

手机通话记录智能处理APP软件设计

文章主要是对手机上的通话记录数据进行分类处理,根据来电或者拨出电话的通话时长,通话间隔,通话次数等信息对通话记录进行分析,并对手机用户对通话记录的常用操作进行追踪,对其操作方法与通话类别进行分析,获得手机用户对不同通话的操作习惯,根据上述智能分析结果,使用AlarmManager服务定期提醒手机用户对不同通话进行不同操作整理,释放存储空间,使手机不因长期使用而速度变慢,同时使通话记录中永远将最重要和最紧急的通话记录保留在最前面,使用户在紧急和危险情况下可以快速找到联系电话.本软件为不同的手机用户实现了通话记录的个性化定制处理功能.     

C语言智能化在线学习评价系统

为了考查学生对C语言课程的掌握情况,该文设计了一个C语言课程学习的智能在线评价系统。便于进行智能化个别化和主动式的辅助学习。该系统采用B/S架构和面向对象技术设计,根据学生的在线评测结果,对学生应掌握的知识和学习情况进行评价,并对学生应采取的学习策略进行智能化调整。     

基于LRU和SCBF的大象流提取及其在DDoS防御中的应用

大象流的及时、准确提取对防御大规模网络安全事件具有重要意义.针对独立的LRU和SCBF提取大象流存在的不足,提出了基于LRU和SCBF的大象流提取方法——LRU_SCBF算法.该算法使用LRU列表和SCBF数组二级存储结构,将到达的老鼠流存入SCBF中,达到一定门限则提取到LRU中,LRU满时按最近最久未用策略淘汰老鼠流到SCBF中,循环实现大象流和老鼠流的分别聚集.理论分析和模拟实验表明:LRU_SCBF算法占用空间小,误报和漏报低,能实现高速网络环境下大象流的及时准确提取.应用于DDoS攻击防御中,能够实现DDoS攻击的及时检测和追踪.