构造基于证据理论的群组信任管理模型

针对资源共享系统中节点的恶意行为,提出一种基于证据理论的群组信任管理模型,在节点间服务与被服务的过程中建立信任关系,抑止恶意节点的破坏行为.首先根据改进的直方图法计算节点直接信任值,利用改进的冲突信任加权证据组合规则计算推荐信任值;然后融合本地信任值和其它节点推荐信任值完成对目标节点的最终信任评估;最后进一步通过服务节点选择算法选择可信度较高的节点作为服务提供节点,避免服务请求节点得到错误或破坏性的资源.通过仿真实验对此模型在对抗恶意攻击时的有效性进行了验证.     

一个基于构件的分布式软件构架开发环境

针对分布式软件和软件构架日益复杂的特点，本文首先提出并建立了一个基于构件的分布式软件构架描述语言DSADL，然后介绍了基于DSADL的分布式软件构架开发集成环境EDAD．实践证明，EDAD能够有效辅助分布式软件设计人员在构架层次上对系统进行分析和设计，从而提高系统的开发效率．     

绝缘油气体色谱分析判别牵引变压器故障

定期对牵引变压器绝缘油中溶解气体作色谱分析 ,并根据历次测试记录或重复取样试验结果 ,考察牵引变压器的产气率 ,特别是运用特征气体法、IEC3比值法等结合电气试验 ,是判别评估牵引变压器内部故障存在与否、严重程度及发展趋势的有效方法。     

基于中间件技术的Twitter系统研究与实现

本文将中间件技术引入到Twitter系统结构中,设计并实现了一套可信任的Twitter解决方案,该方案包括以下几部分:首先将系统的消息类型划分为存储型消息和验证型消息,并针对这两种不同的消息类型提出了相应的处理机制;提出以星型结构为基础的系统架构,引入消息中间件层,用于处理应用服务器传递的信息,采用中间件的分层结构体系,可以平衡各前端应用节点的负载,提高系统的可靠性、可伸缩性和可扩展性,使承载大访问量的Twitter服务成为可能。     

多不动点约束下的网格变形算法

提出一种多不动点约束下的网格变形算法,能直接对模型进行变形,在算法执行过程中不需要计算控制晶格,具有较低的计算代价。实验结果表明,该算法能够有效改善传统自由变形算法存在的局限性和复杂性问题。     

基于二维经验模态分解的医学图像融合算法

提出了一种自适应的二维经验模态分解(bidimensional empirical mode decomposition,简称BEMD)医学图像融合算法.待融合的医学图像经过BEMD分解成二维的内蕴模函数(bidimensional intrinsic mode function,简称BIMF)和趋势图像.BIMF图像经过Hilbert-Huang变换提取图像特征,然后,图像分解的各部分数据在区域融合规则下形成综合BEMD表示.最后,综合BEMD表示进行BEMD逆变换得到融合后的医学图像.BEMD分解方法是一种完全自适应的数据分解表达形式,具有比Fourier变化和小波分解更好的特性.该医学图像融合算法不需要预先定义滤波器或小波函数.实验结果表明,该算法与传统融合算法相比性能优越,能够大幅度提高融合图像的质量.     

一种基于视点距离的三维模型特征提取算法

如何对三维模型进行特征提取是近年来出现的三维模型检索中的主要问题.文章给出了一种基于视点距离的特征提取算法,该算法利用正规化后的三维模型表面到观察点的距离信息生成六幅距离图像,然后对图像进行二维傅立叶变换并对变换后的频域信息进行低频采样从而得到三维模型的特征向量.该算法克服了基于三维投影的二维图像轮廓算法中丢失模型空域信息、缺乏对图像内部信息进行描述的缺点.实验结果表明,该算法比基于轮廓算法的检索精确度提高了19%.     

适用于机场跑道识别的改进Hough变换

机场跑道的卫星图片经过处理后表现出来的骨架特征为边缘直线,在边缘图像中检测直线通常使用的方法是Hough变换（HT）.由于（HT）是一种穷举式的搜索,在处理复杂图像时存在大量无效计算,实时性较差.针对机场跑道识别的实时性要求,提出一种改进的用于在二值图像中检测直线的快速Hough变换算法,此算法克服了标准Hough变换以图像边界点为扫描边界的缺点,并且能及时中断无谓的扫描,较好地解决了无效累积问题,实验证明,与标准Hough变换相比,它不仅具备Hough变换原有的高可靠性和抗干扰能力,而且具备Hough变换所不具备的高效性和低存储,克服了标准Hough变换的高计算代价和耗存储的缺点.     

基于半监督学习的数据流集成分类算法

已有的数据流分类算法多采用有监督学习,需要使用大量已标记数据训练分类器,而获取已标记数据的成本很高,算法缺乏实用性。针对此问题,文中提出基于半监督学习的集成分类算法SEClass,能利用少量已标记数据和大量未标记数据,训练和更新集成分类器,并使用多数投票方式对测试数据进行分类。实验结果表明,使用同样数量的已标记训练数据,SEClass算法与最新的有监督集成分类算法相比,其准确率平均高5。33%。且运算时间随属性维度和类标签数量的增加呈线性增长,能够适用于高维、高速数据流分类问题。     

二维非等长图像置乱变换

传统的2维图像置乱变换一般用于正方形图像处理,对宽高不等的矩形图像,需进行正方形扩展,或使用高维置乱变换阵置乱.本文对此问题做了改进,提出了一种新颖的2维非等长图像置乱变换,给出了周期存在判据,用以选择合适的置乱系数,使得在不增加额外存储空间和计算代价的基础上,可用于非等长图像置乱,并且存在可恢复周期.实验表明所提方法的有效性和可行性.