从程序思维能力看密码学实验的教学

密码学是信息安全专业的重要基础课程,可用于培养和提高学生的程序思维能力。文章分析传统密码学实验课程教学中存在的不利于培养程序思维能力的因素,介绍如何修改现有密码学实验的课程设置和教学方式,说明教学效果。     

基于多模态人脸与人耳融合的身份识别与认证

针对综合二维与三维多模态特征的正面人脸、侧面人脸与入耳的融合识别开展了相关研究,提出了二维纹理图像和三维形状索引图像的尺度空间特征提取与匹配的方法,并对多模态人脸与入耳的多种融合策略进行了探索性的研究.此方法通过使用尺度空间局部特征,消除了尺度变化的影响,对噪声、数据缺失等具有较高的鲁棒性.在公开的FRGC v2.0数...     

基于数据场的概率神经网络算法

提出基于数据场高斯势约简概率神经网络结构,基本思路:引入数据场估计训练集各类概率密度,选择局部极大密度估计样本构造网络;对初始网络迭代训练,依次扩展各类具有最大密度估计值的误分样本至模式层并调整权重参数,直至满足指定精度.采用增量密度计算,保证快速迭代和高概率收敛.基于重采样技术进一步提升泛化精度.实验表明,提出的算法...     

引导型创新实验的构建与实现

本文研究大学计算机基础课程的主要实验类型及特点,基于自主设计与创新型实验方法构建引导型创新实验模型,并给出具体实现方案,以弥补自主设计与创新实验缺乏指导作用、不易管理的缺点。     

一种支持细粒度并行的SDN虚拟化编程框架

软件定义网络(software defined network,简称SDN)通过集中式的控制器提高了网络的可编程性,成为近年来网络领域非常热门的话题。以Openflow网络为代表的软件定义网络将逻辑控制与数据转发相隔离,为网络虚拟化技术提供了良好的平台。集中式的抽象与控制使得SDN虚拟化框架的处理效率成为主要瓶颈。现有的SDN虚拟化框架由于缺乏对细粒度并行的支持,为编程人员充分利用多核/众核资源、控制更大规模的网络带来了极大的挑战。为了提高SDN虚拟化框架的处理效率,提出一种新的SDN虚拟化编程框架,通过新颖的API和运行时,在框架内部支持细粒度的并行处理。该框架通过对网络中流和网络资源进行抽象,使开发人员可以直接通过划分流空间来定义不同的虚拟网络,利用无锁的编程方式对共享的网络资源和流进行操作。实验结果表明,该框架在逻辑控制的执行效率方面具有良好的可扩展性,可以创建出更大规模的虚拟网络,并对其进行更为复杂的控制。     

基于测试需求的互操作性测试用例生成方法

网络化应用将成为未来软件技术发展的主导模式。为了保证网络化应用之间能够有效地协同工作,必须对其进行互操作性测试。互操作性测试具有测试需求复杂易变、测试用例设计困难的特点,因而需要消耗大量成本。为此,提出一种基于测试需求的互操作性测试用例生成方法。该方法采用模型驱动的测试思想,以测试需求模型描述互操作性测试需求,以状态图描述各被测应用的规格说明,通过两者的结合生成满足测试需求的测试用例。     

一种基于海陆边界跟踪的快速海陆分割方法

海陆分割是进行船舶检测、海岸线提取的基本前提之一。当前海陆分割方法需要对图像进行逐像素处理,因此计算量大。提出一种只需处理海陆边界区域图像的分割方法,用以快速准确地获取海陆边界。首先提取图像4个边缘的基于边缘信息的EBT纹理特征,获取海陆边界种子块。然后从该种子块出发,利用EBT纹理特征进行边界块跟踪,实现快速海陆分割。实验结果表明,所提方法具有较好的分割效果,与目前主流的分割方法比较,时间花费大幅减少。     

基于蜂群算法的移动agent迁移策略研究*

旅行agent问题是一个复杂的组合优化问题,在于解决保证agent在不同主机间移动时如何根据任务情况规划路线,实现在完成任务时间最短的路线上迁移。采用进化算法的搜索求解具有启发性强、鲁棒性强的特点,但也面临着陷于局部最优解,导致agent在迁移过程中整体任务完成效率降低等问题。提出了一种基于蜂群算法的agent迁移模型,将agent划分为侦察、引领和跟随三种角色,agent通过彼此间的信息互换,在群体迁移的过程中同时实施新路径的发现和调整。实验结果表明,该算法可以很好地实现目标寻径效率,与经典蚁群算法相比