基于宋词生成的大容量构造式信息隐藏算法

在基于文本生成的信息隐藏算法研究中，如何在保证生成文本质量的同时提高隐藏容量是主要存在的挑战.为此本文提出一种基于宋词生成的构造式信息隐藏算法.首先对宋词文本数据进行预训练，然后基于自回归语言模型搭建宋词生成模型；其次根据宋词词牌固有的格式信息设计格律模块，在宋词生成阶段，需要向生成模型输入该格律模块，并通过符号集设计、编码等综合作用，生成宋词诗句.在利用宋词生成模型进行秘密信息隐藏的过程中，对格律模块进行重构，通过平仄韵词牌、词牌格式模板、关键字、韵律及押韵字符的不同选择，有效实现秘密信息的隐藏.信息提取是隐藏的逆过程，且提取过程不需要利用宋词生成模型，仅需根据模板和词典库来进行索引即可，提高了信息提取的效率.实验结果表明，本文提出的算法能够生成格式严格、韵律清晰、句子完整性高的宋词，且生成的宋词文本的信息隐藏容量均值可达21比特/句、安全性高，整体性能优于已报道的主流算法.     

螺丝自动拧紧速度的优化

为了提高螺纹联接工件的装配质量,需要优化自动锁螺丝机的螺丝拧紧速度。根据螺丝拧紧装配的动力学特性,推导了螺丝的拧紧方程。分析了螺丝装配过程的可靠性、组装能力、联接质量、功率消耗的影响因素,对装配过程中螺丝的拧紧速度进行了优化。设计并制作了自动锁螺丝机实验装置,进行了螺丝最佳拧紧速度的实验。实验表明,工况相同的条件下,螺丝拧紧的不同阶段存在不同的最佳速度。螺纹装配过程中,按顺序采用不同的最佳拧紧速度,施加的拧紧转矩得以减少,攻丝时的耗电量得到降低。     

小波域高斯混合模型方差估计近红外降噪方法

针对抑制近红外光谱噪声与保留光谱信号细节的矛盾,提出一种基于噪声方差估计的小波域降噪方法.该法对光谱信号小波域高频系数建立了两状态高斯混合模型,用EM算法估计模型系数,推证模型对噪声方差准确估计特性,将估计得到的噪声方差建立了阈值降噪模型.实验建立黄酒近红外光谱快速预测酒精度偏最小二乘模型,对比分析Penalty阈值、...     

基于声表面波传感器的液体运动粘度测量方法

设计了一种用于液体运动粘度在线测量的声表面波传感器.利用液体对水平剪切模式声表面波(SHSAW)传播性质的影响,推导得出液体的密度和动力粘度与SH-SAW的传播速度变化的数学关系式,从而实现液体运动粘度的检测,设计了相应的实验设备.通过实验数据与理论数据的比较证实了该设计的可行性.     

一种改进的高斯混合模型的玻璃缺陷分割方法

针对传统玻璃缺陷检测技术准确率较低、时间长、精度低等难点,提出了一种改进高斯混合模型的玻璃缺陷图像分割方法。首先,基于分数阶微分运算获取灰度特征,并利用灰度共生矩阵提取纹理特征,构建玻璃缺陷完整的双特征观测数据;然后,引入相邻像素间的空间关联性和约束性,通过交替进行基于双特征随机场评估像素点与标号场之间的对应关系和空间约束来完成玻璃缺陷分割;最后,在不同温度系数参数β下对分割算法进行了性能测试实验,同时,与当前流行的分割算法对4种不同类型的玻璃缺陷进行了性能比较实验。实验表明该算法能够提高图像分割的鲁棒性和精确性。     

一种不确定数据流子空间聚类算法

提出了基于滑动窗口的不确定数据流子空间聚类算法USSC,它应用采样时加权值的方法来选择初始化聚类中心点,采用滑动窗口SW缓存一段时间的元组作为聚类对象,并提出一种新的离群点处理机制来排除离群点Opo为适应不确定数据流元组不确定特性,该算法使用基于隶属度的非分割聚类方法来确定一个元组只能划分到一个簇中.试验结果表明,USSC算法与同类型的算法相比有较好的聚类效果和较快的聚类速度,而且其自身拥有很强的可伸缩性.     

离散网络系统基于模态的l2-l∞滤波器设计

研究了一种基于网络控制的离散时间系统的能量峰值滤波问题,采用参数不完全已知的马尔科夫链描述由网络引发的系统延时.这样的假设使得滤波器更加具有普遍性,因为现有的方法一般将其延时模态间切换的概率当作完全已知或完全未知的参数来处理.通过把未知的概率参数处理为一个凸空间,可以得到一个基于模态的全阶滤波器.文中利用一个新的实有界引理,得到了可以使相应的误差滤波系统在给定l2-l∞的指标下渐进稳定的LMI充分条件.文中最后给出一个数值算例来展示本方法的有效性.     

基于FEA多边形高压直流输电导线芯设计

为了研究导线边数对多边形导线附近磁场分布的影响,运用有限元软件建模的方法对高压直流输电导线进行仿真,对比分析不同形状导线芯附近磁场分布情况,研究导体形状与导体附近磁场关系,分别分析了外径和内径方向磁场分布特性并研究了磁场最大点与导线外径的关系,各多边形直径方向磁场分布有相似的规律,从内向外磁场逐渐增加,到达边缘附近开始减小;边数越多,导体附近最大磁场数值越大,外径方向最大磁场点位于导体内部并逐渐趋于顶点,内径方向最大磁场点位于边缘中点;三边形导线边缘磁场强度明显比其他多边形要低。     

面向大规模数据流处理的偏最小二乘法

用光谱分析鉴别生物特征,导致数据量大,而实际需要必须实时处理。偏最小二乘法是使用最广泛的鉴别算法,但是对于大规模数据流该算法无法达到实时性。为了解决这个应用矛盾,提出了一种基于NVIDIA CUDA架构下的并行计算策略,利用具有大规模并行计算特征的图形处理器（GPU）作为计算设备,结合GPU存储器的优势实现了偏最小二乘算法。实验的测试结果表明,在GPU上使用CUDA实现的偏最小二乘算法比在CPU上实现该算法快了47倍,性能得到了显著提高,从而使偏最小二乘算法应用于大规模数据流处理成为可能。