基于手机触摸屏传感器多点触摸身份认证算法

针对智能手机所面临的信息安全威胁问题,提出一种基于手机触摸屏传感器的多点触摸身份认证方法。首先由触摸屏传感器采集手指滑动原始数据序列,通过平滑去噪、位置及长度归一化预处理;然后提取手势运动一阶、二阶归一化导数序列及运动方向为身份验证特征序列;最后采用模板匹配方法,使用动态时间规整算法匹配比较注册模板特征序列与测试特征序列,判断用户身份真实性。仿真结果表明,所提算法对不同用户身份认证的平均错误拒绝率和错误接受率分别为3.83%和2.07%,与使用径向基函数为核函数的支持向量分布估计(SVDE)算法相比,平均错误拒绝率和错误接受率分别降低1.81%和2.35%。经性能分析,所提算法能明显提高身份认证的准确性。     

基于最小风险的贝叶斯决策理论相关反馈方法*

在对之前的相关反馈技术的问题和不足进行总结的基础上,提出一种基于最小风险的贝叶斯决策理论相关反馈方法,通过一种自适应机制产生记忆,同时应用最小风险来使用户获得满意的检索结果。实验结果表明该方法准确率高、响应速度快。     

基于最小风险贝叶斯决策的印刷品斑点检测方法

针对印刷品斑点检测缺乏有效检测方法的难题,依据统计决策和贝叶斯分析的基本原理,结合模式识别和机器礼堂相关理论技术,提出了一种基于最小风险贝叶斯决策的印刷品斑点检测方法;以烟标图像为例,实验验证了所提算法的准确性与有效性;该实验表明:所提算法能够有效地检测出烟标中的黑色斑点,分割出来的斑点图像基本上保持了原有的形状;最后,提出了进一步的改进方法。     

基于最小风险贝叶斯分类器的茶叶茶梗分类

目前在茶叶实际生产加工过程中,茶叶茶梗分拣自动化技术还处于不成熟阶段,分拣机械的精确度和效率还不能达到预期目的,必须通过再次人工分拣过程,大大增加了时间和人力成本。针对数码相机采集到的茶叶、茶梗数字图像,经过预处理后提取出样本的颜色和形状特征,并利用多元高斯模型进行建模,通过最小风险贝叶斯分类器对其进行分类。实验证明基于最小风险的贝叶斯分类器的分类方法是可行的,并取得了良好的分类效果。     

多点触摸概述与手势实现

多点触摸随着iphone的推出风靡全球,是当今最炙手可热的人机交互方式。该文对多点触摸的原理和编程模型进行简要的介绍,并给出了一些触摸手势的C#编程实现。     

最小风险贝叶斯决策的二值化人脸识别算法

提出了一种最小风险贝叶斯决策的二值化人脸识别算法,该算法通过设定图像灰度级的阈值对图像进行二值化,统计其出现的频率,计算其类条件概率密度,根据图像的相似性估计其损失函数,利用贝叶斯公式求最小风险,最后根据最小风险判断其所属类别。该方法克服了传统贝叶斯方法难求类内和类间协方差矩阵的缺点,简单易用。实验结果表明,该方法具有可行性,比传统的基于代数的人脸识别算法(PCA、LDA和PCA+LDA)的识别率高,并能有效减少相似类的重叠。     

一个多点触摸系统软件体系框架

近年来,随着多点触摸技术的发展,出现了大量可以提供多点触摸接口的软件。但是不同的多点触摸系统的软件在很大程度上具有相似性,却没有太大的互操作性。为了提高这些软件的互操作性和兼容性,本文根据这些软件系统的特点提炼出它们之间的共同特征,提出一个分层软件架构。该架构定义不同层次之间的通用接口,并为开发人员屏蔽不同类型的硬件设备平台,提供一个统一的界面。     

基于贝叶斯最小风险分类的邮件过滤系统

针对互联网上垃圾邮件给用户带来种种困扰的问题，本文提出了一种基于贝叶斯最小风险分类方法的邮件过滤系统。本方法通过设置损失代价函数，在过滤大部分垃圾邮件的同时，保证了将合法邮件保留，避免了将有用邮件误分类为垃圾邮件时，给用户带来的损失。实验结果表明，本文提出的垃圾邮件过滤系统效果较好。     

基于多因素的网络身份认证

在Internet／Intranet的应用中,安全性面临着严重的挑战。用户在进入系统时,传统方法是通过口令验证其身份。这在某种程度上虽确保了计算机系统的安全,但同时存在着记忆烦琐、易丢失、易遗忘等弊端。另一方面,各种应用多样的身份认证机制。不仅繁杂而且给客户的访问增加了安全隐患。为此本文提出一种结合指纹识别、证书和身份令牌USBKey的多因素的具有强身份认证和一次性登录功能的认证及授权系统。     

基于最小风险的贝叶斯邮件过滤算法

1.引言随着因特网的迅猛增长,电子邮件作为最快捷、最经济的通信方式,也得到飞速发展。但是,许多销售广告、快速致富等垃圾邮件也在网络中传送,这些垃圾邮件不仅占据邮件服务器的大量存储空间,同时也要用户花费大量时间来处理这些垃圾。尽管一些商业化产品允许用户人工建立垃圾邮件的过滤规则,但是系统要求用户有丰富经验和花去许多时间,而且,由于垃圾邮件在不断改变,用户必须经常调整这些规则,这需要花大量时间。因此,研究邮件自动过滤方法具有重要意义。邮件自动过滤方法研究主要有基于规则和基于概率两种,后者已成为一种主要研究趋势。     

基于最小Bayes风险的小波域局部自适应图像去噪

简要介绍了广义高斯分布的基本概念和小波系数的分布特性,分析了BayesShrink法的原理并指出其存在的不足。以冗余小波变换为基础,利用子带内小波系数之间的相关性,提出了一种局部自适应的图像去噪策略。以当前小波系数为中心,选取尺寸合适的邻域窗口,以该窗口为单位估计相应的理想标准差和局部阈值,再通过软化处理达到系数收缩的目的。实验表明,该算法能有效滤除图像噪声,较好地保留了图像纹理和细节等重要信息,取得了较高的峰值信噪比和较好的视觉效果。     

复杂环境下基于贝叶斯决策的机器人路径规划

提出了一种基于贝叶斯决策的机器人路径规划蚂蚁算法,该算法在路径节点选择方式上采用贝叶斯模型,通过后验概率对候选节点进行评估,解决了用传统蚂蚁算法进行路径规划时容易陷入局部最优的问题。仿真实验表明,机器人应用该算法可在复杂障碍环境下快速规划出一条全局优化避障路径。     

基于贝叶斯最小错误率的一种新的指纹分割算法

指纹图像分割是自动指纹识别系统中非常重要的一步。本文介绍了一种新的基于贝叶斯最小错误率的指纹分割方法。首先,提出了一种新的基于方向信息的分割特征。然后,具体介绍了基于这种特征的分割算法。最后根据最小错误率的贝叶斯决策确定合适的阈值割除背景区域。这种方法在FVC2000指纹库中进行了测试,实验结果证明了它的有效性。     

基于整体判断的多层风险决策模型

针对现有研究难以解决具有一般性的多层风险决策问题,在分析给出多层决策中知识表达具有整体判断特征命题的基础上,基于整体判断思想提出了多层风险决策的建模思路及相关原理,并针对其中的关键问题—–决策信息的整合优化与方案前景价值的有机综合,构建了相应的决策模型和决策定理.数值模拟验证结果表明,所提出的决策模型具有科学合理性和应用可行性.     

一种基于数据融合的IDS方法研究

分析了当前IDS（intrusion detection system）的缺陷,讨论了数据融合技术应用在IDS领域的可行性,提出了一种基于数据融合（data fusion）的IDS（DFIDS）模型,融合决策采用算术平均值的方法,以达到降低漏报率和虚警率的目的,模拟实验证实了这一点。基于数据融合的入侵检测方法是IDS发展的一个重要方向。     

Bayes理论和邻域平均法在图像去噪中的应用

去噪处理是图像处理中较为重要的环节。针对加噪后的图像的直方图进行分析,依据最小错误率贝叶斯决策和均值滤波理论,提出一种基于均值滤波和最小错误率贝叶斯决策的去噪方法。首先对加入噪声后的图像直方图进行统计,从中估计出服从分布的不同类别参数,对图像中每一像素点进行判断是否为噪声,对噪声点进行基于均值滤波的处理。通过试验,取得了良好的效果。     

基于贝叶斯网络的博弈融合建模

针对多源信息冲突环境下的信息融合问题,提出了一种博弈融合模型,并根据Bayes网络推理理论与信息论交互熵等定义给出了此博弈融合模型的具体算法,最后对此算法进行了仿真,根据实验结果进行了分析与总结。     

基于多种检测算法的隐写分析方法

针对隐写分析中检测隐秘信息存在的问题,综合现有的检测算法,利用贝叶斯的独立二值分类模型,提出一种隐写分析算法。对其进行分类效果分析和参数控制,并将其应用到图像空域最低有效位隐写的检测中,结果表明,该方法较大程度地降低了虚警率和漏报率,并可以通过调整参数改善分类效果。