基于Android平台家校通的设计与实现

针对目前家长与学校之间的沟通问题,提出了一种低成本、易操作、适用于学校与家长沟通的方法,借助Java语言、Android系统,以及SQL数据库,开发了基于Android平台的家校通系统,该系统可进行"二次开发"。经过测试和初步的应用,结果显示该系统能够通过手机终端实现双方的沟通交流,有较强的实用性和推广应用前景。     

基于改进磷虾群优化的中心极大化KFCM算法在IDS的应用*

由于核模糊C-均值算法(Kernel Fuzzy C-means,KFCM)随机选择初始聚类中心,易导致算法陷入局部最优,且算法在聚类中心较近或重合时,易产生一致性聚类结果。为解决以上问题,提出一种改进算法。改进算法对原目标函数进行重新定义,通过在目标函数中增加一项聚类中心约束项来调控簇间分离度,从而避免算法出现一致性聚类结果。利用改进磷虾群算法对基于新目标函数的KFCM算法进行优化,使算法不再依赖初始聚类中心,提高算法的稳定性。基于距离最大最小原则产生多组较优的聚类中心作为初始磷虾群体并在算法迭代过程中融合一种新的精英保留策略,从而确保算法收敛到全局极值。通过对个体随机扩散活动进行分段式logistic混沌搜索,提高算法全局寻优能力。使用KDD CUP 99入侵检测数据进行仿真实验表明,改进算法具有更好的检测性能,解决了传统的聚类算法在入侵检测中稳定性差,检测准确率低的问题。     

结合对比度信息与LBP的分块人脸识别

基于局部二值模式(local binary pattern,LBP)的特征提取方法忽略了图像灰度值变化的强度。针对这一问题,提出了一种结合对比度信息和LBP进行人脸识别的方法。首先采用LBP算子、VAR方差(variance,VAR)算子分别提取分块人脸灰度图像的LBP直方图序列(local binary pattern histogram sequence,LBPHS)和VAR直方图序列(variance histogram sequence,VARHS),然后将LBPHS和VARHS串联成LBP／VARHS,最后根据最近邻原则进行人脸识别。该算法能够提取有效的人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关。在ORL和YALE标准人脸数据库上的实验表明,该方法应用于人脸识别中,具有较高的识别率。     

基于GLScene的尿动力学参数关系的可视化研究

针对医学领域排尿功能障碍性疾病的诊断问题,提出了利用计算机仿真的方法,对排尿过程中尿动力学各参数之间的关系进行三维可视化仿真研究.利用GLScene组件设计了一种表征各参数关系的三维可视化系统,该系统集三维坐标系的建立、各参数曲线的绘制与生成、三维模型的多视角观测与缩放、三维模型的保存与重用等功能于一体.实际应用结果表明,该系统运行得到的仿真曲线与理论曲线基本吻合,为医学领域排尿功能障碍性疾病的研究起到积极的推动作用.     

基于局部相位量化特征与多尺度分类的分块人脸识别

本文提出一种基于局部相位量化特征与多尺度分类相结合的方法进行人脸识别,该方法首先采用LPQ算子提取分块人脸灰度图象的LPQ直方图序列(LPQHS),然后采用PCA+ LDA方法对采样后的特征数据进行降维,最后根据多尺度分类的原则进行分类识别.该算法不仅能够提取人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关.在ORL标准人脸数据库上的实验表明,该方法具有较高的识别率.