网络化测试系统中时滞误差的动态补偿

以基于网络的动态测试为研究背景,在无GPS等时钟同步设备的条件下,设计一个基于LMS算法的自适应估计器,对参比系统、被测系统及误差处理器的时钟源同步误差进行在线估计,实现了对网络时延引起的时滞误差的动态补偿。仿真结果表明,该自适应时延估计器能够有效地对时钟源同步误差进行估计,网络化测试系统动态补偿后的总误差比补偿前下降了85％。     

信息系统安全测试框架

提出一种信息系统安全测试的框架,包括信息系统安全测试的策略、基础理论、方法和工程等,为建立一个标准的、一致性的信息系统安全测试对比基准提供了基础。给出4种信息系统安全测试分析方法和2种测试方式。     

遗传算法在图像DCT域中嵌入数字水印的应用

提出一种新颖的、鲁棒的隐写系统,采用遗传算法将水印信息嵌入到图像的DCT变换域中,实现水印信息的最优化嵌入。该算法提取出的水印无失真,可以改善水印系统不可感知性和不可统计性。实验结果表明,该方法抵抗噪声较强,但其平滑攻击、锐化攻击的能力较差。     

基于净图描述的通用隐写分析技术

针对互联网上大量的隐写软件利用数字图像隐藏秘密消息,文中提出了基于净图描述的通用隐写分析技术.这种隐写分析技术能有效地检测出图像是否含秘密信息,通过提取两种新颖特征,即纹理特征和虚特征值分解(IED)特征,对净图进行完整的定量描述,又经过降维处理,解决了维数灾难问题,提高了检测速度;并且设计了与特征相匹配的柔性化超椭球体一类分类器,提高了检测性能.     

过程信号的盲分离及其应用

提出的简约的ＨＪ神经网络（ＲＨＪＮＮ）能用于过程信号的盲分离，即可有效地去除信号采集通道中的噪声信号，是一种新型的去噪控制手段，给出了系统与不同信号组合的仿真实验。     

基于网络的武器系统动态测量时滞误差的分析与修正

以基于网络的武器系统动态测量为研究背景,对网络化动态测量系统进行建模和误差分析.提出了动态测量时滞误差(TDE)的概念,讨论了TDE对动态测量误差处理结果的影响.根据武器系统动态测量的具体应用,着重介绍了一种基于时戳的在线时滞估计方法,解决了武器系统动态测量过程中网络时滞误差的问题.     

基于简约HJ神经网络的图像满幅校正

文中提出一种简约HJ神经网络（RHJNN），用于对旋转变形的图形进行校正。该神经网络具有较简单的结构，数值计算与理论分析表明该网络更具鲁棒性。相关的满幅校正策略是实现无差后续图像处理的必要与有效手段。     

求解非线性方程的一种改进Hopfield神经网络

本文提出一种改进的ＨｏｐｆｉｅＩｄ神经网络来求解非线性方程。文中给出了这种网络的结构，讨论了网络平衡点与非线性方程解之间的关系，证明了网络的稳定性。这种网络的结构较为简单，易于编程及硬件实现。     

基于遗传算法的控制软件测试

基于遗传算法（ＧＡ）的控制软件测试方法是一种智能化的黑盒测试方法。测试中使用该方法，可在对被测对象细节不了解的情况下完成相应的测试任务。对基于遗传算法的表达方式，提出了多层与混合参数编码技术，分别可处理测试过程中涉及的命令（逻辑）序列与数理序列的被测参变量；并以此将测试问题转化为遗传算法善于处理的寻优问题。设计的测试软件按遗传算法的演化规则运作，可寻找到被测软件（系统）的最大故障。