基于属性网格计算的验证码识别研究

文中旨在基于对属性网格计算的研究基础上,提出一种新的验证码识别研究方式,并通过实验验证该方法的可行性。方法如下:在验证码识别之前,需要先进行预处理,其中包括:图像的灰度化、二值化、去噪、分割以及归一化。在识别部分中,会用到属性网格计算器,这是一种基于定性映射的新型计算器。以对象的不同属性特征为维度,建立属性网格,并根据属性网格做出计算。首先对标准字符建立属性网格,然后在每次识别字符时,对识别字符的属性进行网格计算,并得出结果。实验结果成功率较高。该结果证明了该方法的可行性,同时表明了识别成功率与不同属性的权值分配有关。     

基于Web Service的计算网格入口的设计与实现

在对网格系统进行分析的基础上,设计了一种三层结构的网格入口体系,采用WebService技术实现了基于西安交通大学高性能计算环境的计算网格入口,并对系统的特点进行了分析评价。入口提供了友好的基于浏览器的用户使用界面,并且屏蔽了环境的异构性和松耦合性,极大地方便了用户对于网格资源的使用。     

网格计算门户的研究与实现

网格技术为人们提供了一个全面共享网络资源的计算环境，网格计算门户是用户通过互联网访问网格资源、执行网格计算的入口，因此是网格计算环境的重要组成部分。本文介绍了当前通用的网格平台软件Globus，研究分析了网格计算门户的功能需求以及网格门户开发工具GPDK，最后介绍了基于GPDK开发的中国气象应用网格计算门户（CMAG）的研究成果。     

一个生物计算网格的设计与实现*

提出一种基于OGSA的生物计算网格体系结构,分析研究了生物应用标准化、资源描述、作业描述和作业调度等,对序列拼接应用Phrap在该网格环境下的运行情况进行了讨论。     

计算化学网格的研究与设计

提出一种计算化学网格的体系结构,从资源管理、作业管理和调度等方面对该体系结构进行了分析和设计.在实验室局域网环境下,采用Globus Toolkit 4.0(GT4)作为网格中间件,构建此计算化学网格.计算化学网格的设计和实现,不仅可以使得实验室内的计算资源得到充分的利用,扩大一些昂贵且不可复制资源的用户群,还能够消除资源孤岛和信息孤岛,为用户提供一个安全、可靠并可扩展的Web应用环境.     

网格计算的安全性研究与技术实现

网格计算环境必须以现有的Internet为通信支撑平台,由于Internet本身的开放性和异构性,决定了网格计算面临着各种各样的安全威胁,因此网格安全已成为网格计算环境中的一个核心问题。该文简述了网格安全需求,分析了网格安全技术,并给出了基于Globus项目中网格安全的主要技术手段。     

计算网格中作业调度系统GridPBS的设计与实现

通过对目前流行的集群调度系统PBS进行封装和扩展,设计并实现了一个计算网格作业调度系统GridPBS。该系统可使PBS系统的应用拓展到整个计算网格环境,克服了现有PBS系统只能在单个集群节点上运行的局限性。根据计算网格中的集群资源运行情况对用户作业进行凋度分配,从而有效地整合和利用计算网格各节点的计算能力。     

合肥节点网格Portal的设计与实现

网格计算和P2P计算是近年来出现的以最大限度资源共享为目的的新兴技术．而网格Portal则主要致力于增强网格环境的好用性并最终提高资源利用率．本文在制定“采用Portlet框架、面向服务的网格Portal”开发策略的基础上,进行了网格Portal的总体结构设计以及基本原型实现,支持了对网格计算资源和P2P计算资源的协同调度;并在所开发的网格环境中分别部暑了生物和化学应用,通过实验验证了网格Portal的有效性．     

基于网格技术的密码学计算平台的设计

结合现有的网格技术、思想和密码计算的特点,分析了利用网格技术实现密码学计算的可行性,并结合J2EE开发方式的优势实现系统支持,最后提出了一种有效的、可行的密码计算网格平台构架。     

网格计算中一种基于属性的访问控制方法*

为了迎合目前网格计算对动态、细粒度授权的需求,针对网格资源分层式的组织结构特点,在现有的基于属性的访问控制（ABAC）模型的基础上,提出了一种针对网格资源的ABAC模型Grid_ABAC,并设计了基于XACML的Grid_ABAC实现框架,应用在GT4平台上。最后对GT4中的应用作了测试,测试结果表明授权结果与预期结果相同,且时间开销随着规模的增长并没有增长很多,在可接受范围内。证明Grid_ABAC模型在网格平台上具有一定的实用性。     

基于AdaBoost的车牌字符快速识别方法研究

采用动态自适应权重裁剪方法快速训练AdaBoost集成网络,通过在迭代过程中动态地寻找最优裁剪系数,缩短网络的训练时间,减少其个体数目。实验表明,该方法能够快速构建神经网络集成分类器,并取得良好的识别效果。     

车牌识别中基于Rough集理论的字符识别

用Rough集理论提取车牌中的文字、字母、数字、短横线的特征，再用这些特征进行模板匹配。该文中的基于Rough集可辨矩阵的特征选择算法，时间复杂度为O(mn2)，改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m2n2)的观点（其中m为数据集中特征/属性的个数，n为数据集中样本的个数）。给出了在车牌识别中的实验结果。     

一种基于模板库的车牌字符识别算法

模板匹配法在汽车牌照自动识别系统中已经得到广泛应用。应用此方法的系统有一个问题是,后期车牌字符识别过程中对图像处理花费的时间、数据运算量很大。为解决此问题,文中在传统的模板匹配方法的基础上提出了一种新的基于模板库的的模式匹配改进型算法。通过建立模板库,规避了传统算法中车牌的倾斜矫正这一环节,减少了系统运行时的数据运算量,提高了系统处理速度。增强其在车牌倾斜时的识别率、准确率同时,还有很好的鲁棒性。     

基于量子门神经网络的车牌字符识别

针对车牌字符在车牌图象质量退化时识别率较低以及识别时间较长的问题,提出一种基于量子神经计算的车牌字符识别方法。该方法将通用量子门组作为神经网络的激活函数来实现量子神经计算,同时把字符的粗网格特征作为字符的识别特征进行车牌字符识别。实验结果表明,该方法能有效提高“带噪”车牌的识别率以及抗干扰能力。     

基于字符特征与支持向量机的车牌字符识别

首先,对车牌图像进行预处理,针对不同的字符样本采用不同特征提取方法;然后,用提取的特征训练SVM分类器。结果表明,在训练样本较少的情况下,该系统具有较高的识别率和识别速度,并具有很好的分类推广能力。     

基于模糊模式识别的车牌识别算法设计

介绍一种基于明暗度二值化的车牌模糊识别的算法.这种算法在车牌识别的使用可以有效避免因光照、车辆运动速度及车牌清晰度、光洁度而带来的误识别.介绍了这种算法的构建、实验平台、实验环境、实验处理结果,并对结果进行了讨论.     

基于改进的LM-BP神经网络的车牌字符识别研究

车牌识别是智能交通系统中一个重要的环节,它可以应用到很多领域,如高速公路自动收费、交通监控系统、停车场管理等.提出一种改进的LM-BP神经网络车牌字符识别方法,该方法根据国内现行车牌编制的特点,结合LM算法改进传统BP神经网络,并增加σ参数修正LM-BP算法,避免传统BP神经网络收敛速度缓慢并容易陷入局部极小值的缺点,进行了大量实验,达到了预期的识别效果和收敛速度.     

基于小波和神经网络的车牌字符识别新方法

车辆牌照自动识别（简称车牌识别）是智能交通系统中一项重要的关键技术;首先简要介绍了车牌识别技术饷背景及意义,然后阐述了小波变换和BP神经网络的相关理论和实现细节,最后提出了一种基于小波和BP神经网络的车牌字符识别新方法,并采用了MATLAB数学工具进行仿真;实验结果显示,总的字符识别率为95．8％,平均识别时间21ms,表明该方法具有良好的实用价值,可应用于工程实践中。     

基于字符结构知识的车牌汉字快速识别技术

车牌汉字识别效率一直是制约车牌自动识别系统推广应用的瓶颈。采用多级分类方法,充分利用车牌汉字图像的空问结构特征(像素空间分布投影,字符的笔段类型、数量及拓扑关系等)可实现车牌汉字的快速辨识。实践表明,该方法能快速从车牌汉宁图像中辨识出汉字字符,识别准确度可达98％。     

基于结构特征和灰度特征的车牌字符识别方法

提出了基于结构特征和灰度像素特征的车牌字符级联识别方法。为提高车牌字符识别性能,分别在车牌二值小字符图像上提取结构特征和直接利用PCA降维后的车牌二值小字符图像的像素特征作为输入,用支持向量机(SVM)将其映射至高维空间分别进行分类,取两者中置信度高的结果作为预分类结果。当分类结果为8、B这类易混的字符时,取对应的灰度小字符图像像素值作原始特征,用PCA降维后再次用SVM进行分类,分类结果作为最后的二次分类结果。若为0、D时,则再次利用结构特征分类器做最后分类。该算法被用于台湾地区车牌的字符识别系统中,实验表明它能有效提高易混字符的识别正确率,具有很高的识别性能,应用前景广泛。