一种防边权和语义攻击的位置隐私保护方法

边权攻击和位置语义攻击根据移动用户活动的周边环境推断用户的位置,泄露用户的位置隐私。针对该问题,提出一种防边权攻击的位置语义安全隐私保护方法。该方法将道路的敏感度和关联度结合,构建道路隐私度,描述道路在语义位置的敏感性,及道路与匿名集中其他道路上用户数量分布的均衡性;基于中心服务器结构,根据用户的位置隐私要求,采用宽度优先搜索方式,筛选道路隐私度最小的道路加入匿名集,以生成具备语义安全和防边权推断攻击的匿名集。仿真测试结果表明,该方法筛选的匿名集的匿名成功率达到87%,抗边权攻击和语义攻击的能力要高于对比算法。     

基于地理社交网络的频繁位置隐私保护算法

针对地理社交网络中以频繁位置为背景知识的攻击导致用户身份泄露的问题,提出一种基于地理社交网络的频繁位置隐私保护算法。首先,根据用户对位置访问的频次设置频繁位置并为每个用户建立频繁位置集合;然后按照背景知识的不同,将频繁位置的子集组成超边,把不满足匿名参数k的超边以用户偏离和位置偏离最小值为优化目标进行超边重组;最后,通过仿真实验表明,与（k,m）-anonymity算法相比,在频繁位置为3的情况下,该算法在Gowalla数据集上用户偏离度以及位置偏离度分别平均降低了约19.1%和8.3%,在Brightkite数据集上分别平均降低了约22.2%和10.7%,因此所提算法能够有效保护频繁位置的同时降低用户和位置偏离度。     

分支测试中测试路径用例的简化生成方法

结构性测试是对过程式和面向对象程序都非常有效的测试方法,分支覆盖准则被实践证明是其中性价比最高的一种策略．通过深入研究DD图的性质并分析FTPS算法的不足,提出了一种简便、快捷和适合于大规模程序的非约束边集近似求解算法Find_SemiUE;还给出了基于正（逆）向广度（深度）生成树的分支测试路径用例集的简化生成算法Generate_PathSet,该算法在时间和空间开销上较FTPS算法均有较大提高．此外,所证明的关于DD图的结论也值得借鉴用于该图的更深一步研究．     

提高链式Lin-kernighan算法性能的策略

Lin-Kernighan算法作为一种高效的组合优化问题优化算法，普遍应用于各种求解组合优化难题的算法中，尤其是旅行商问题的求解。通过对该类问题的可化简性论述，分析并建立了该类问题初始边集的概率化简模型，经实验分析方式确定了模型中的先验性概率值，并建立旅行商化简初始边集的随机算法。将该算法建立的边集作为链式Lin-Kernighan算法的参照优化边集，大幅度提高了链式Lin-Kernighan算法的求解性能，在与多种智能算法结合中取得了较好的收敛效果。     

基于布线资源图的FPGA互连测试算法

分析基于静态随机访问内存的FPGA开关盒互连资源,提出一种自动生成且与应用无关的测试配置集算法,通过建立布线资源图,根据线网的走向动态设定各边的权重,利用改进的Kruskal算法,自动产生测试配置集。对于FPGA不同的互连结构,该算法对互连资源中的开路和短路故障的覆盖率能够达到100%,且具有测试配置个数少、运行速度快以及与具体硬件结构无关等优点。     

基于SysML活动图的测试序列集约简方法

如何对复杂的嵌入式系统生成的测试序列集进行约简,使其更快地满足覆盖准则,从而有效地指导测试执行,是软件测试领域的关键问题。针对这一问题,结合嵌入式实时系统特点,采用SysML活动图对嵌入式系统进行建模,为了避免并发活动引起活动路径组合爆炸的问题,将并发活动进行压缩,选用转移边覆盖率作为测试序列集的评判指标,提出了一种更快满足覆盖率要求的算法—BFC算法。实验结果表明,提出的BFC算法可以有效地约简测试序列集,以较快的速度达到覆盖要求,提高了测试效率。     

圆与多边形重叠区域的判定算法

本文提出了一种实用的圆与多边形重叠区域的判定算法，它集判断与确定功能于一体。该算法将多边形的边视为有向线段，通过引入多边形顶点的入边，出边交点的概念，研究了圆与多边形重叠区域的确定问题，并给出了作出其重叠区域的定理。     

基于单调性与相关边的多边形内外点判断算法

为了充分挖掘多边形边的基本性质——单调性，基于检测点与多边形边之间的坐标关系，提出了相关边的概念及一种判断点在多边形内外的新算法。综合运用单调性与相关边技术，将点与我边形之间的位置关系转化为点与茯相关边之间的位置关系，从而尽可能地避免了叉积运算，且无需求交运算，从根本上提高了算法的效率，同时新算法还简单有效地解决了射线法中的临界位置问题。程序验证表明，新算法易于实现，适用于简单多边形，具有运行速度快、稳定性高等优点。     

基于自我监督学习策略的层智能图卷积网络

为了解决当前图卷积网络需要依赖大型数据集,从而导致时间和空间复杂度上升问题,提出了基于自我监督学习策略的层智能图卷积网络(RRLFS-L-GCN)。首先,通过在层智能图卷积网络(layer-wise graph convolutional network, L-GCN)中添加多任务机制以提高算法的泛化能力;然后,设计一种随机删除固定步长边(aandomly remove links with a fixed step, RRLFS)的自我监督学习策略,从而提出基于自我监督学习策略的层智能图卷积网络算法;最后,通过边预测验证RRLFS-L-GCN的性能。实验结果表明,该算法的识别率最高可达97.13%。对于Cora测试集,该算法所得识别准确率比未改进的层智能图卷积网络算法提高了6.73%。对于PubMed测试集,该算法所得识别准确率比未改进的层智能图卷积网络算法提高了8.13%。与图卷积网络相比,在Citeseer数据集上,识别准确率提高了18.43%。     

多特征与边缘校正融合的天际线检测算法研究

针对天际线的高鲁棒性与高准确率检测问题，提出了一种多特征提取与边缘校正融合的天际线检测算法。采用Gabor纹理特征和颜色特征提取天空与非天空区域随机训练像素点的多特征值，接着采用支持向量机（Support Vector Machine，SVM）对多特征值训练得到分类器，从而检测出天际线的初始坐标位置；接着采用Canny算子对灰度化图像进行边缘检测，并利用线性五邻域搜索算法对初始坐标位置进行校正，最终得到天际线坐标位置。最后将所提算法在Web数据集和Basalt Hills数据集上进行测试，实验结果表明：提出的算法能有效地检测出较复杂图像场景中的天际线位置，在一定程度上减少了图像中相关像素点的干扰，使检测出的天际线更加平滑。     

基于先验知识的月球车视觉系统特征提取方法

为了满足月面巡视探测器的自主导航要求。提出一种新的基于先验知识的特征点提取算法。首先,根据先验知识对原始图像进行预分割成危险区域和安全区域,然后在危险区域里面进行特征点的选取工作,对特征点用于以后的匹配和目标定位,进而用于视觉系统的导航工作。与传统算法相比,提取方法可以有效减少计算量,使选取特征点更加准确,提高后续匹配阶段的处理速度和匹配精度。在模拟试验场的双目视觉照片中,通过实验取得较好的效果。     

Edge connection based Canny edge detection algorithm

Double threshold method of traditional Canny operator detects the edge rely on the information of gradient magnitude, which has a lower edge connectivity and incomplete image information. Aiming at this problem, we proposed an edge detection algorithm based edge connection—the Hough Transform based Canny (HT-Canny) edge detection algorithm. HT-Canny algorithm guided by high threshold image, which obtains edge direction through calculating edge endpoint gradient and connects the edge by using the Hough Transform instead of traditional double threshold method. It avoids the limitation of traditional Canny algorithm, which must set the double threshold manually and protect the low intensity edge especially. The experimental results show that HT-Canny algorithm has stronger edge connectivity and can distinguish edge points and non-edge points effectively, which not only retain the advantages of the traditional Canny algorithm but also make the detection result more complete and comprehensive.     

近亲结点图编辑的Self-Training算法

Self-Training算法的性能很大程度上取决于高置信度样本的识别准确度。受DPC算法启发,利用密度峰值定义样本间的原型关系,并构造出近亲结点图这一新型数据结构。在此基础上,提出了一种近亲结点图编辑的Self-Training算法（self-training algorithm with editing direct relative node graph-DRNG）。DRNG采用假设检验的方法选择高置信度样本,将其加入有标签样本集进行迭代训练。因误分的高密度样本点对Self-Training算法的分类性能影响较大,所以,DRNG综合考虑距离和密度两个方面定义了近亲结点图中割边的非对称权重,增大了高密度点的割边权重,使其落在拒绝域外的概率增加,减小了因其误分类而产生的风险。为了验证DRNG的性能,在8个基准数据集上与类似算法进行对比实验,实验结果验证了DRNG的有效性。     

Surface mesh regeneration considering curvatures

This work describes an automatic algorithm for unstructured mesh regeneration on arbitrarily shaped three-dimensional surfaces. The arbitrary surface may be: a triangulated mesh, a set of points, or an analytical surface (such as a collection of NURBS patches). To be generic, the algorithm works directly in Cartesian coordinates, as opposed to generating the mesh in parametric space, which might not be available in all the cases. In addition, the algorithm requires the implementation of three generic functions that abstractly represent the supporting surface. The first, given a point location, returns the desired characteristic size of a triangular element at this position. The second method, given the current edge in the boundary-contraction algorithm, locates the ideal apex point that forms a triangle with this edge. And the third method, given a point in space and a projection direction, returns the closest point on the geometrical supporting surface. This work also describes the implementation of these three methods to re-mesh an existing triangulated mesh that might present regions of high curvature. In this implementation, the only information about the surface geometry is a set of triangles. In order to test the efficiency of the proposed algorithm of surface mesh generation and implementation of the three abstract methods, results of performance and quality of generated triangular element examples are presented.     

基于改进Canny特征点的SIFT算法

在分析了传统SIFT算法的基础上,提出了一种基于改进Canny特征点的SIFT算法。该方法先用SIFT算法检测出候选关键点,再利用Canny边缘检测算法检测出图像的边缘点,通过比较生成的候选关键点和边缘点的坐标是否相等,从而判断是否去除候选关键点。实验结果表明,与传统SIFT算法比较,该方法可以有效地去除DOG算子生成的边缘响应点,进一步提高SIFT特征点的抗噪声能力,增强SIFT算法的稳定性。     

基于Freeman链码的边缘跟踪算法及直线段检测

本文主要总结了目前几个常用的直线段检测方法。分析了当前边缘跟踪算法的不足。在此基础上,提出了一种基于Freeman链码的直线段检测方法,主要在边缘跟踪环节中对原有方法进行改进。实验表明,该算法能够快速,准确地检测直线段。     

基于方差和边缘插值的邻近点图像修复算法

提出了一种复杂度较低的结合去噪的图像修复新方法,将图像修复和去噪相结合,达到了更好的修复图像的目的。图像去噪算法通过检验每一个像素点的被腐蚀程度得到了一种基于邻近像素点并保留图像对象边缘和细节的算法;图像修复算法通过定义修复区域像素点的优先度得到了一种邻近像素点的图像修复算法。经实验验证,该方法具有良好的性能。     

Edge Detection in Range Images Based on Scan Line Approximation

In this paper we present a novel edge detection algorithm for range images based on a scan line approximation technique. Compared to the known methods in the literature, our algorithm has a number of advantages. It provides edge strength measures that have a straightforward geometric interpretation and supports a classification of edge points into several subtypes. We give a definition of optimal edge detectors and compare our algorithm to this theoretical model. We have carried out extensive tests using real range images acquired by four range scanners with quite different characteristics. Using a simple contour closure technique, we show that our edge detection method is able to achieve a complete range image segmentation into regions. This edge-based segmentation approach turns out to be superior to many region-based methods with regard to both segmentation quality and computational efficiency. The good results that were achieved demonstrate the practical usefulness of our edge detection algorithm.     

一种基于机器学习的车牌识别系统的设计

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。首先提出了Sobel-Color算法,以Sobel边缘和颜色两种特征进行车牌定位,并结合MSER算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用SVM算法对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对LeNet-5深度网络模型进行改进,然后采用改进的LeNet-5网络对车牌字符进行识别。对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统具有较好的鲁棒性和实用性。     

一种B样条曲线描述图像边界的算法

型值点的个数与分布对B样条曲线的形状有直接影响,为了让B样条曲线能很好地描述图像区域边缘,研究了一种自适应3次非均匀B样条曲线插值算法。利用B样条曲线在型值点处曲率较大的性质,调整型值点的位置和个数,通过B样条曲线与图像边缘的误差,对型值点进一步优化,使B样条曲线贴合边缘。实验结果表明,该方法得到的B样条曲线能很好地描述区域边缘。