基于Web Services的异构数据集成应用研究

介绍了基于Web Servioes实现的异构数据集成的体系框架以及相关技术，详细介绍了SOAP协议的特点和工作方式，并以实际项目为例加以说明。  

无线传感器网络中四面体三维质心定位算法

在研究普通三维质心定位算法和APIT-3D定位算法的基础上,提出了一种新无线传感器网络定位算法,即四面体三维质心定位算法。为降低计算复杂度,该算法用三维质心迭代算法代替了APIT-3D定位算法中的网格扫描算法,并在节点分布不均匀和低连通度的情况下,使用RSSI均值加权质心定位算法以提高节点覆盖率。仿真实验表明:该算法在无线传感器网络连通度低或节点分布不均匀时能获得较好的定位精度和定位覆盖率,并且与APIT-3D定位算法相比有效降低了计算复杂度。  

一种基于小波稀疏基的压缩感知图像融合算法

随着压缩感知技术的发展,基于压缩感知的图像融合技术研究逐渐受到越来越多的重视。针对图像小波分解系数特点,提出了一种基于双放射状采样模式的压缩传感域图像融合算法。该算法首先通过双放射状采样模式获得待融合图像的小波稀疏域线性测量值;然后利用一种简单的绝对值最大融合规则直接在压缩感知域进行融合,最后通过最小全变分的方法重构融合图像。主客观实验结果表明,该算法具有良好的融合效果。  

基于角色的时空约束委托模型

介绍具有时空约束的角色授权委托模型，在RBDM0和RDM2000的基础上，对授权委托中的角色、权限、操作等要素进行时空化处理，使授权委托具备时空属性，并形式化地描述严格/非严格委托、单/多步委托以及全部/部分委托的授权判断规则，为该模型在实际系统中的实现奠定基础。  

水文时间序列关联规则挖掘模型研究

基于聚类、最小方差、统计分析、列联表检验以及兴趣度的定义,提出一种水文时间序列关联规则挖掘模型.该模型中使用了基于聚类和最小方差的离散化方法、基于统计分析的规则优化,实验结果证明通过水文时间序列关联规则挖掘模型不仅可以快速的实现水文数据的处理,而且生成的关联规则比传统的关联规则的解释能力强,规则精度高,而且可以得到数据变化规律,对水文分析和研究有指导意义,可用于预测和决策分析,提高水文数据的利用率.  

具备反向学习和局部学习能力的粒子群算法

为解决粒子群优化（Particle Swarm Optimization，PSO）算法中存在的种群多样性和收敛性之间的矛盾，该文提出了一种具备反向学习和局部学习能力的粒子群优化算法（Reverse-learning and Local-learning PSO，RLPSO）。该算法保留了初始种群中满足排异距离要求的多个较差粒子以及每个粒子的历史最差位置。当检测到算法陷入局部最优时，利用这些较差粒子的位置信息指导部分粒子以较快飞行速度进行反向学习，将其迅速牵引出局部最优区域。反向学习过程可改善粒子种群的多样性，保证了算法的全局探测能力；同时，利用较优粒子间的差分结果指导最优粒子进行局部学习与搜索，该过程可与粒子群的飞行过程并行执行，且局部学习的缩放因子可随进化过程动态调节。局部学习可提高算法的求解精度，保证算法的迅速收敛。实验结果表明，RLPSO 算法同其他 PSO 算法相比，在高维函数优化中具有收敛速度快、求解精度高的特点。  

基于区域的非下采样形态小波医学图像融合算法

提出了基于区域的非下采样形态小波医学图像融合算法。该算法首先将待融合的图像进行非下采样形态Haar小波分解成高频子带和低频子带,对低频子带图像直接按绝对值最大的规则进行融合,对各高频子带图像则先进行区域分割,对分割的区域根据其活跃度指数进行匹配,再对相匹配的区域按能量最大规则进行融合;最后根据融合后的低频子带及高频子带进行融合图像重构。实验结果表明,该算法在保持移不变形态小波融合方法优点的基础上,增强了融合图像的细节及亮度信息,同时有效地克服了对噪声和非精确配准敏感等缺点。  

基于ZigBee与GPRS的嵌入式水质监测系统设计

为了保障水资源健康可持续利用,提出了具有网络数据中心、区域处理单元以及水质采集模块的3层体系监测方案。着重介绍了区域处理单元的软硬件实现,分析了在ARM系统、GPRS模块、无线单片机系统以及无线传感器的协调工作下,通过GPRS网络和ZigBee网络实现水质参数采集、处理、存储及传送的监测过程。测试运行结果表明,该系统可行性确定,各模块运行稳定,检测数据准确,具备商业推广价值。  

基于混沌加密的彩色图像盲数字水印算法

针对单一混沌加密算法安全性较差的问题，提出一种基于扰动的二维混沌加密算法，利用二维Chebyshev映射和m-序列扰动作为混沌发生器，用于加密水印图像。将彩色载体图像绿色分量进行3级小波变换，提取其低频部分作为嵌入区域。将加密后的水印嵌入绿色分量的低频部分。实验结果表明，该算法计算速度较快，可以抵抗JPEG压缩、噪声、滤波等攻击，具有较好的数字水印特性。  

一种带差分局部搜索的改进型NSGA2算法

NSGA2算法以其Pareto支配的选择模式并辅以解个体密度估计算子选择胜出解的策略而成为了现代多目标进化算法的典范,但是该算法通过计算解个体的聚集距离来保持群体的分布性的机制存在一定的缺陷.鉴于此,提出了一种带差分局部搜索的改进型NSGA2算法.新算法利用差分进化中变异算子的定向引导作用,抽取其中的差分向量,并与NSGA2算法结合以改善解群的分布性.仿真实验表明:新算法较NSGA2算法在解群分布的均匀性和广度上有明显的改善.此外,新算法在时间复杂性方面与经典的NSGA2算法相当.