一种改进的基于条件互信息的特征选择算法

目前在文本分类领域较常用到的特征选择算法中，仅仅考虑了特征与类别之间的关联性，而对特征与特征之间的关联性没有予以足够的重视，这导致了特征之间预测能力的相互削弱，无法选出最有效的特征。提出了一种新的用于文本分类的特征选择算法（CMIM）,它可以帮助选出区分能力强、弱相关的特征。经实验验证，CMIM比传统的特征选择算法具有更好的性能。  

椭圆曲线密码体制的安全性分析

分析了椭圆曲线密码体制的安全性基础以及常见的攻击方法.考虑到目前还没有有效的方法可以求解有限域上阶中含有大素因子的非超奇异椭圆曲线的离散对数问题,指出高安全性的椭圆曲线密码体制可以靠选择有限域上高安全性的椭圆曲线来获得.给出了适于构建密码体制的椭圆曲线的构造方法.  

基于彩色图像的非结构化道路检测

提出一种基于彩色图像的非结构化道路检测算法。首先将整幅图像划分为均匀的方块，再依据假设的道路区域提取出的道路特征信息将方块分类；对于包含道路边界的方块区域内部的像素点，采用自动阈值分割方法将其分为道路区域的点和非道路区域的点；最后去除道路内部的斑点以及道路外部的非连通区域。该方法可以避免对所有像素点逐个分析，运算量小，检测速度快，基本满足实时性要求，具有一定的抗阴影和水迹的能力。  

采用规划识别理论预测系统调用序列中的入侵企图

规划识别是一种根据观察数据识别和推断被观察对象目的或意图的预测理论．在计算机系统入侵检测研究中，为了提前预测出异常事件的发生，提出了一种基于规划识别理论的入侵企图预测方法．通过对主机上的系统调用序列为观察对象建立预测模型，提出了一种带参数补偿的贝叶斯网络动态更新算法，对观察对象的目的进行预测．实验结果表明动态贝叶斯网络对预测系统调用序列中的异常入侵企图有较高的精度．  

一种基于GPS的时间同步装置

介绍了一种基于ＧＰＳ的时间同步装置的硬件结构，论述了这种装置的工作原理，同时也介绍了它的实际应用。  

一种改进的防火墙技术

网络安全技术是当前谈论的热门话题，防火墙技术就是其中一种，在总结防火墙中已经普遍采用的钮这滤技术和代理服务技术的优缺点的基础上，综合其优点，提出了一种改进的防火墙技术。  

非负局部约束线性编码图像分类算法

基于特征提取的图像分类算法的核心问题是如何对特征进行有效编码. 局部约束线性编码(Locality-constrained linear coding, LLC) 因其良好的特征重构性与局部平滑稀疏性, 已取得了很好的分类性能. 然而, LLC编码的分类性能对编码过程中的近邻数k的大小比较敏感, 随着k的增大, 编码中的某些负值元素与正值元素的差值绝对值也可能增大, 这使得LLC越来越不稳定. 本文通过在LLC优化模型的目标方程中引入非负约束, 提出了一种新型编码方式, 称为非负局部约束线性编码(Non-negative locality-constrained linear coding, NNLLC). 该模型一般采取迭代优化算法进行求解, 但其计算复杂度较大. 因此, 本文提出两种近似非负编码算法, 其编码速度与LLC一样快速. 实验结果表明, 在多个广泛使用的图像数据集上, 相比于LLC, NNLLC编码方式不仅在分类精确率上提高了近1%～4%, 而且对k的选取具有更强的鲁棒性.  

基于Kalman滤波的神经网络学习算法及其应用

针对传统神经网络学习算法速度慢、容易陷入局部最优解的缺点，将卡尔曼滤波应用于人工神经网络的训练算法中。同时，在卡尔曼滤波计算中，将奇异值分解应用于卡尔曼滤波的递推公式中，提高了协方差阵计算的数值稳定性。最后，本文通过将神经网络的卡尔曼滤波算法应用于电力系统短期负荷预测中，验证了该方法不仅具有理论意义，同时也有实用价值。  

自适应遗传算法在特征选择中的改进及应用

传统遗传算法在求解全局问题具有很强的鲁棒性,但由于传统遗传算法固定的交叉率和变异率,使得传统遗传算法在求解复杂问题上存在早收敛及搜索后期运行效率低等缺点。针对此问题,提出了基于个体寿命的变种群自适应遗传算法,对种群规模,交叉率及变异率作了优化调整,使其能够根据进化的实际情况自动调整。实验结果表明,相比传统遗传算法,这个算法在全局优化能力及收敛速度上均有显著提高。  

OpenGL技术在虚拟现实三维重建中的应用

目前,利用专业三维建模软件很难实现虚拟现实所需要的交互性,同时,在OpenGL建立的虚拟现实环境中,也很难通过编程进行复杂的三维建模.因此通过研究比较现在常用的利用OpenGL创建3D模型的方法,提出了一种新方法,即利用3DSMax进行复杂建模,并将模型导出为3DS格式,然后通过在OpenGL下编程控制模型来达到对虚拟现实环境的仿真.最后,利用该方法成功模拟了一个交通事故现场的虚拟环境,并可以对环境中的车辆等事物进行编程控制.