二进制图形转换文件的生成程序

本文分析了ＡｕｔｏＣＡＤ的图形转换文件，设计出了二进制图形转换文件的生成程序，并给出了一个机械零件图绘制的应用实例，实验表明该生成程序对微机机械制图系统具有较大的实用价值。     

基于神经机器翻译的二进制函数相似性检测方法

二进制函数相似性检测是检测软件中已知安全漏洞的一种重要手段,随着物联网设备急剧增长,越来越多的软件被编译到不同指令集架构的平台上运行,因此基于二进制的跨平台相似性检测方法更具通用性.针对目前基于深度神经网络的跨平台相似性检测方法只能在基本块粒度进行相似性比对的不足,基于神经机器翻译的思想,提出一个通用的跨指令集架构的二...     

面向二进制程序的开源软件缺陷检测方法

开源软件源代码缺陷分析已引起广泛关注,但各类程序都以二进制形式运行,目前仍缺少在有限时间内对大量二进制程序进行缺陷检测的有效方法。针对这一问题,提出了一种结合软件路径特征的卷积神经网络方法(Path-Based Convolution Neural Network, PB-CNN),用于二进制开源软件的缺陷检测。首先根据跳转指令将二进制程序分割为多个基本块并构建控制流图,然后遍历控制流图以提取软件路径特征,接着结合多通道卷积神经网络提取其深层特征并训练PB-CNN神经元参数,最后通过训练好的PB-CNN检测软件缺陷。实验结果表明,PB-CNN方法有效提取了二进制程序的路径特征,提高了缺陷检测精度。     

基于VC的STL文件读取

就CAD系统较常用文件格式STL的快速读取问题展开讨论,分析了STL两种文件格式的特点,并讨论了冗余数据的消除.     

一种基于结构化道路的单车道线检测算法

视觉导航系统需要实时检测行驶环境,确定道路的边界,使得智能车辆能够在无人驾驶或操纵的情况下,自主安全平稳的行驶.本文针对结构化道路,对单车道线的捡测算法进行研究.算法分为初始白线线头的检测与道路标志线窗口跟踪两步.该算法能有效地检测在各种条件下的连续与间断、清晰与模糊的白色道路边沿标志线.     

基于二进制可辨矩阵属性重要度的属性约简算法

粗糙集理论是一个新的数据挖掘方法,是在保持分类能力不变的情况下,利用等价类,通过属性约简和规则约简,达到挖掘知识并简化知识的目的.但属性约简是一个NP难题,需要通过启发式知识实现.文中提出了一种利用二进制可辨矩阵的属性重要度实现属性约简的算法,该算法能快速求最少属性且实现简单,并通过理论和实例证明了其正确性.     

基于属性相似度的恶意代码检测方法

针对未知恶意代码数量急剧增长,现有的检测方法不能有效检测的问题,提出一种基于属性相似度的恶意代码检测方法.该方法将样本文件转换成十六进制格式,提取样本文件的所有n-gram,计算每个n-gram的信息增益,并选择具有最大信息增益的N个n-gram作为特征属性,分别计算恶意代码和正常文件每一维属性的平均值,通过比较待测样本属性与恶意代码和正常文件两类别属性均值的相似度来判断待测样本类别.结果表明,该方法对未知恶意代码的检测性能优于基于n-gram的恶意代码检测方法.     

二进制范德蒙编码存储策略的低计算量优化方法

针对二进制范德蒙码的编码存储与译码重构过程,提出了一种降低相关编译码过程计算量的优化方法。该方法根据二进制编译码矩阵行向量中“1”的分布以及各向量之间“1”的相互位置关系,最终确定出二进制编译码矩阵所对应的各个校验位的计算次序,从而实现降低整个编码过程或译码过程计算量的目的。实验表明,该方法可以降低30%左右的相关计算量, 同时,该种计算过程优化方法可以推广应用到其它二进制编码存储系统中.     

基于注册表Hive文件的恶意程序隐藏检测方法

研究当今恶意程序的发展趋势,系统比较了在注册表隐藏和检测方面的诸多技术和方法,综合分析了它们存在的不足,提出了一种基于注册表Hive文件来进行恶意程序隐藏检测的方法,使得针对恶意程序的检测更加完整和可靠。实验表明,该方法可以检测出当前所有进行了注册表隐藏的恶意程序。     

个性化推荐系统描述文件攻击检测方法

个性化推荐系统能产生针对性的、个性化的信息来满足不同用户需求,但也很容易受到用户描述文件注入恶意攻击,影响正常的推荐结果.针对该问题,分析和研究了描述文件的形式化模型、描述文件的属性及分类方法,应用粗糙集理论,设计了数据预处理离散化、决策表约简和个性化推荐处理相应算法,提出了一种用户描述文件分类学习和攻击检测的方法;为...     

一种基于背景重建的运动目标检测算法

根据视频序列的帧间信息，以平均亮度和图象能量为约束条件，提出一种改进的基于块的背景重建方法。利用重建得到的背景图象，通过背景消减实现了运动目标的检测，检测结果以运动目标的外接矩形表示。     

基于xUML的DoDAF可执行体系结构构建

为构建可执行体系结构,实现体系结构的仿真执行,获取体系结构的动态信息,验证其动态特性,针对可执行体系结构开发问题,首先分析了 DoDAF V2.0和模型驱动体系结构(MDA)的核心开发思想,讨论了以MDA指导DoDAF V2.0可执行体系结构开发的理论基础;提出了以MDA为开发指导思想,采用体系结构开发语言 xUML,使用 ASL 描述信息的 DoDAF V2.0可执行体系结构的开发方法,给出了具体的开发步骤;最后结合实例,检验了该方法的可行性和有效性     

基于背景差与帧间方块编码差值法的运动目标检测

运动目标检测是视觉领域的重要研究内容,本文提出一种将背景差分与帧间方块编码差值法相结合的运动目标检测方法.通过帧间方块编码差值法区分出运动区域与静止区域;静止区域用来更新背景,运动区域与背景模型进行拟合,区分出运动目标和显露区.介绍了一种基于HSV颜色空间的阴影剪除算法.实验证明,该方法能够快速、准确的检测出运动目标并剪除阴影.     

基于可变形物体的碰撞检测算法

为了提高可变性物体在虚拟现实技术中碰撞检测的效率和准确度,提出了一种改进的基于可变形物体的碰撞检测算法。该算法利用蚁群算法优化蛇形轮廓模型,并将蛇形轮廓模型应用于固定方向凸包包围盒的更新过程中。实验结果表明,该算法极大地简化了固定方向凸包包围盒算法的重建过程,提高了碰撞检测的效率,同时由于加入优化的蚁群算法,提高了碰撞检测的准确度。     

基于深度学习的水面漂浮物智能检测方法

漂浮物作为河道表观污染的重要源头,加强漂浮物检测是改善水环境生态质量的重要途径,也是积极落实“河长制”政策的技术手段。由于水面漂浮物具有场景复杂度高、形状不规则以及多尺度形态变化等特点,采用传统的图像识别方法快速有效地检测目标具有较大的挑战性。因此,本文提出了一种基于深度学习的实时且稳健的水面漂浮物智能检测方法。首先,基于稀疏分解思想对低质量漂浮物图像进行降噪和增强处理,初步降低复杂水面环境对漂浮物图像质量的影响。其次,将轻量化MobileNetV2网络取代SSD算法中的VGG16网络作为骨干网络,在预测层中将深度可分离卷积取代标准卷积,并采用动态特征金字塔网络提高多尺度漂浮物的检测精度,弥补SSD网络中强制不同层学习相同特征的不足。然后,将统一量化卷积神经网络（Quantized-CNN）框架应用于量化SSD检测器的检测误差,进一步加速卷积层计算和压缩全连接层的参数,降低SSD算法的计算复杂度和内存成本。本文在构建的水面漂浮物数据集上进行的实验结果表明：与现有的图像识别算法相比,改进后的SSD检测算法的平均精度（AP）和F1达到95.86%和94.74%,在硬件GPU下的检测速度达到64.23f/s,检测算法的参数计算量减少到7.5亿,模型内存成本压缩到6.27MB。改进SSD算法实现了水面漂浮物检测的高精度和高效率。     

一种基于空间信息的运动目标检测方法

针对现实生活中由于光照变化、背景噪声干扰、摄像机抖动等因素对运动目标的检测与识别存在巨大挑战的问题,提出了一种基于空间信息的运动目标检测算法。通过对像素点及其区域的亮度和角度差分等信息提取特征,建立背景模型,去除光照因素的干扰,比较当前帧和背景模型的相似系数确定前景区域,并且采用了自适应阈值的方法二值化前景图。实验证明,该方法能克服光照突变等复杂背景的干扰,实现对运动目标实时准确检测。     

基于ELF静态结构特征的恶意软件检测方法

Linux平台的恶意软件检测方法目前研究较少,主要的分析手段和检测技术依然有很大的局限性。提出了一种基于ELF文件静态结构特征的恶意软件检测方法。通过对Linux平台ELF文件静态结构属性深入分析,提取在恶意软件和正常软件间具有很好区分度的属性,通过特征选择方法约减提取的特征,然后使用数据挖掘分类算法进行学习,使得能正确识别恶意软件和正常文件。实验结果显示,所使用分类算法能够以99.7%的准确率检测已知和未知的恶意软件,且检测时间较短,占用系统资源较少,可实际部署于反病毒软件中使用。     

基于马尔可夫随机场的显著区域检测

显著区域检测被应用在计算机视觉处理的各个方面,然而大目标和复杂背景中显著对象检测存在检测内容缺失和误检的问题。提出一种基于粗略显著区域的马尔可夫随机场(MRF)模型检测方法。首先,应用Harris角点检测定位粗略显著区域,去除边缘附近角点做凸包操作,然后基于粗略区域的先验概率,应用马尔可夫随机场模型检测图像显著区域。在图像测试库的实验结果显示,提出的检测方法提高了检测的准确度和完整度。     

一种具有前向安全性的数字签名方案

数字签名技术为信息安全提供了有力的保障,尤其在电子文档来源验证和防抵赖方面起着非常重要的作用.提出了一种基于EIGama体制的具有前向安全的数字签名方案.该方案具有较高的效率和更加安全的特点.     

基于独立分量分析的运动目标精确检测

运动目标检测与跟踪是计算机视觉的难点问题.针对传统方法存在抗噪声、抗抖动性能弱等问题,将独立分量分析(ICA)的算法应用到目标检测与前景图像去噪环节中,目的是提高运动目标检测的鲁棒性和精确性,为后续处理提供尽可能多的目标信息.实验表明,ICA用于目标检测具有较高的鲁棒性,同时ICA用于前景图像去噪比传统的去噪方法具有更好的效果,较好地保留了目标的特征信息.