基于一卡通的数字化校园资源整合研究与实现

根据数字化校园的建设目标和实际需求,本文对校园信息门户、身份认证、数据交换中心和用户管理技术的实现进行了深入研究,提出了基于一卡通的“1＋X”模式的资源整合方法,成功构建了高度整合、服务多元化的校园网应用平台。     

基于EFPN的模糊离散事件系统可诊断性分析

针对模糊有限自动机及模糊Petri网在模糊离散事件系统(Fuzzy Discrete Event System,FDES)行为建模中的不足,提出一种扩展模糊Petri网(Extended Fuzzy Petri Net,EFPN),并基于EFPN构造了FDES行为模型及系统故障诊断器。EFPN以一种新的事件模型为基础对FDES的系统行为进行建模,并根据事件触发矩阵计算下一系统状态中各分量的可能性分布。与模糊有限自动机及模糊Petri网的对比分析表明,在描述FDES模糊事件时,对于同步距离为0的一组事件所造成的影响,EFPN的表达能力强于经典模糊Petri网;在对含有多个状态分量的FDES建模时,EFPN模型的规模远小于模糊有限自动机。在基于EFPN构造的系统行为模型中,运用可达状态标识图分析系统状态集,可有效地构造FDES的故障诊断器,并可据此进行系统可诊断性分析。     

混合植物型人工浮岛的动态水质净化特性

研究开发了一种由多种植物混合组成的人工浮岛系统.通过中试研究,考察了该人工浮岛对生活污水水体在动态条件下的净化效果.结果表明,水体交换时间为7d时TN、TP、COD的去除率分别为59.5%、77.4%和48.4%.由于植物之间的相互作用,提高了人工浮岛的净化效果,试验表明混合植物型人工浮岛在对于生活污水处理中有广阔的应用前景.     

一种结合数据融合与树状小波的鲁棒数字水印算法

利用树状小波分解结合人类视觉系统(HVS)的特性,提出一种基于数据融合的鲁棒性数字水印算法,向载体图像中自适应的嵌入多个数字水印副本;在提取水印时,在每个块中使用独立分量分析ICA的方法提取水印,并对提取出的多个水印副本图像进行融合操作,以提高水印的鲁棒性.仿真试验表明了该方法的有效性,嵌入的水印具有较高的透明性,同时对常见图像处理攻击有很强的鲁棒性.     

以教务管理系统项目驱动软件技术专业核心课程的设计

采用项目驱动专业核心课程设置的方法,以实际的项目为蓝本,完成项目为最终目标,采用倒推的方式,设王整个软件技术专业必备的核心课程,来达到该专业的培养目标.     

基于时间贝叶斯Petri网的溯因故障诊断

针对复杂系统发生故障时告警信号间的时序约束关系,提出一种时间贝叶斯Petri网模型(TBPN),并基于该模型提出一种复杂系统的溯因故障诊断方法.该方法首先对观测到的告警信息建立时间Petri网,随后将其求逆并转换为TBPN.通过时间区间计算和溯因推理,分析告警信号的时序一致性并验证故障假说,最后对时序正确的故障事件链计算其故障概率并进一步分析干扰信息.仿真实验表明,该方法可对复杂故障进行快速诊断,并在告警信息存在丢失、虚警、时标差错时表现出较好的鲁棒性.与不考虑时间约束的同类方法相比,该方法具有搜索空间更小,抗干扰性更强的特点.     

基于双重检测的气门识别方法

针对目前工业中的气门识别方法存在重叠目标漏检率高、检测精度较低、目标包裹度差、圆心定位不准的问题,提出了一种基于双重检测的气门识别方法。首先,运用数据增强对样本进行轻量扩充;其次,以深度卷积网络为基础,加入空间金字塔池化层（SPP）和路径聚合网络（PAN）,同时调整先验框,改进损失函数,从而提取气门预测框;最后,以霍夫圆变换（CHT）方法对预测框中的气门进行二次识别,从而达到精准识别气门区域的目的。把所提方法和原YOLOv3、YOLOv4、传统CHT方法进行对比,并采用精确率、召回率、交并比联合进行检测效果评估。实验结果表明,所提出的方法在检测精度和召回率上分别达到了97.1%和94.4%,相较原YOLOv3方法分别提高了2.9个百分点和1.8个百分点;且该方法使目标包裹度更好,目标中心点的定位更准确,其矫正框和真实框的交并比（IOU）达到了0.95,与传统CHT方法相比提高了0.05。所提方法在提高模型识别准确率的同时提高了目标抓取的成功率,在实际应用中有一定的实用价值。     

面向纯文本信息隐藏的区块链隐蔽通信模型

纯文本信息隐藏容易遭受删除、更改等主动攻击,使嵌入的秘密信息遭到破坏。区块链因具有不可篡改、不可伪造、匿名性、节点信息同步等特点,成为构建隐蔽信道的天然平台,并确保秘密信息不被破坏。文中提出了一种面向纯文本信息隐藏的区块链隐蔽通信模型。首先,根据偏序关系确定嵌入秘密信息的位置,发送方使用空格法将秘密信息嵌入到纯文本内容中;然后,构建区块链网络隐蔽通信的场景,发送方将载有纯文本内容的交易发布到区块链网络上;最后,在交易打包并形成链块后,任意节点均可作为接收方获取文件,但只有受信方可以通过嵌入算法的逆过程提取出秘密信息。实验对比及分析表明,该模型具有较好的抗检测性、鲁棒性、安全性和较高的隐藏容量。更为重要的是,以区块链作为信道的方法可使受信方身份得以隐藏,通信过程的隐蔽性得到了双重保障。     

ERCUnet：一种基于U-Net改进的道路裂缝检测模型

针对传统的道路裂缝检测方法存在灵活度不高、普适性不强等问题,本文参考ResNet中的残差设计和U-Net模型的U形编码解码结构,设计一种基于U-Net改进的道路裂缝检测模型——ERCUnet。该模型以残差块为主体,针对裂缝检测优化不同深度卷积层的卷积核数量,模型中所有的残差块结构相同,模型整体结构更加整齐和简单,具有可塑性好、结构性强,残差结构不仅使特征融合更加充分,也避免了深层卷积神经网络梯度消失的问题。实验在CrackForest数据集上进行,将CrackForest的118张含标注图片按照5〖DK〗∶1的比例划分训练集和测试集,通过一系列数据增广方法,有效缓解了训练数据过少的问题。损失函数融合了交叉熵和F1分数,缓解了正负样本不均衡的问题,最终的实验结果显示ERCUnet模型参数量仅为U-Net(BN)模型的13.30%,在测试集上的查全率、查准率、F1值均达70%以上,噪声率、准确率分别为29.05%、99.01%。为证实ERCUnet的可塑性,通过修改模型参数得到ERCUnet-tiny模型,其参数量仅为U-Net(BN)模型的2.39%,在测试集上取得了与U-Net(BN)相近的效果。     

应急通信网络中基于粒子群优化的信道分配算法

当前应急通信亟需解决的问题,在于如何快速有效地满足突发性增长的网络需求,以保证网络传输质量。无线mesh网络以其部署快速、结构灵活、鲁棒性等优点,成为了新一代灾后应急通信网络架构的优秀解决方案。文中提出了一种基于粒子群算法的信道分配优化算法PWCA,在降低全局网络干扰的前提下,考虑了不同链路对整体网络表现的影响,通过其邻接链路的数量来决定信道分配的优先级。在迭代优化的过程中,该算法利用信道分离度细分了不同信道之间的干扰程度以作为优化的评判标准。实验结果表明,该算法可以显著降低网络干扰,保障网络性能,相比传统的粒子群信道分配算法,其在优化速度以及多节点网络环境下的表现均有明显提升。