基于SHA-1实现的OPA密写算法

最佳奇偶分配密写（OPA）是针对调色板图像密写中的一种低失真、高隐蔽性的方法。对OPA的原理及实现进行了深入研究,并从写入方式入手,提出了一种新型的SHAj—OPA算法。新算法利用SHA-7算法在载体中选择随机嵌入点,以实现OPA密写的信息写入;同时保证在密写中不发生信息碰撞,进一步提高了密写过程的安全性和隐蔽性。     

基于标签相似度计算的学术圈构建方法

为面向学者的社交网络系统中的用户构建学术圈,对促进学者之间的交流具有重要的应用价值。根据学者之间的共同属性进行相似度计算,形成学术领域相似和研究课题相近的学术圈,能让学者们更加紧密和频繁地协同合作。提出了利用学者的学术信息提取代表个人特征的学术标签,并对不同类别标签的权重进行衡量,再通过相似度计算和聚类算法构建学术圈的方法。通过抓取学者社交网络平台SCHOLAT公开的学者信息进行实验,进而验证所提方法的可靠性和实用性。     

基于工作流技术的机关办公业务模拟教学系统的分析和设计

机关办公业务系统是电子政务系统的重要组成部分。本文介绍了工作流的基本概念,利用工作流为理论基础和政府机关公文流转实例建立公文流转模型,采用．NET语言和SQL Server数据库技术来实现机关办公业务模拟教学系统。     

基于三分类的击键序列身份认证

针对基于统计学用户击键模式识别算法识别率较低的不足,提出了一种统计学三分类主机用户身份认证算法。该方法通过对当前注册用户的击键特征与由训练样本得到的标准击键特征进行比较,将当前注册用户划分为合法用户类、怀疑类与入侵类三类,对怀疑类采用二次识别机制。 采用动态判别域值,引入了与系统安全性和友好性相关的可控参量k,由系统管理员根据实际确定。并对该算法性能进行了理论分析与实验测试,结果表明该算法在保持贝叶斯统计算法需要训练样本集规模较小、算法收敛速度快优点的基础上,识别精度高于贝叶斯统计算法,错误拒绝率(FRR)和错误通过率(FAR)分别为1.6%和1.5%。     

一种生长型自组织神经网络的聚类研究

自组织特征映射神经网络SOM(Self-Organizing Feature Maps)是一种优良的聚类工具,但其存在着一些限制,如需要预先定义网络大小、网络的收敛性较差和结构不灵活等.为了克服这些不足,在自组织神经网络理论的指导下,提出了一种基于生长型自组织神经网络的聚类方法.在无监督的情况下,该方法采用阈值控制的触发机制实现网络中神经元的生长和删除,并通过神经元权值的有效调整,以期得到数据对象的聚类结果.实验以二维空间中的数据对象为输入样本,验证了该方法的有效性和优越性.     

基于Delphi的串口通信程序设计方法

概述了串口通信在现代科技领域中的重要地位，介绍了Delphi作为一种面向对象的可视化的高级编程语言在串口通信编程中的优缺点。分析归纳了利用Delphi语言编写串口通信程序的四种方法并且简单阐述了SPCODMM在Delphi环境中作为通信控件的一些属性、方法、函数和事件。最后以实践中编写的一个惯导计算机人机交互测试程序为实例，给出了在Delphi环境中利用SPCOMM控件实现串口通信时所遇到一些常见问题的解决方法、编写串口通信程序的大体框架结构和部分代码。     

多用户系统中基于双码本的有限反馈预编码

针对多用户MIMO-OFDM下行链路由有限反馈导致的性能缺失,提出了一种基于双码本的有限反馈预编码方案。该方案在接收端依据部分子载波信道信息并采用期望用户最大信干比准则,从预置码本中选取主码字及扰动码字反馈给发送端,在发送端根据子载波簇的相关性重构各子载波预编码矩阵,然后利用矩阵线性变换特性对主码字进行线性变换扰动以达到容量最优,从而补偿由于有限反馈导致的性能缺失。仿真结果表明,所提出的方法在保证反馈链路开销与系统误码性能的情况下,有效地改善了系统吞吐量。     

一种提取单幅散斑干涉条纹图中心线的可靠方法

在光测力学中,如何从单幅散斑干涉条纹图中高精度地自动提取方向信息是一项较困难的工作。为了可靠地提取单幅散斑干涉条纹图的中心线,提出了一种简单可行的方法,该方法先通过平面拟合的方法来得到散斑干涉条纹图的条纹方向;然后在条纹方向上,利用条纹切面的倾斜度来提取散斑干涉条纹图的中心线。实验表明,此方法可靠、实现简单,对高噪声的散斑干涉条纹图非常有效。     

基于模糊聚类的半自动跟踪技术研究

现有半自动跟踪系统将操作员等效为准线性环节,增大了训练的难度和成本,不适应复杂战场环境下多个快速机动目标的选取和跟踪.利用特征提取方法得到视场的“潜在目标”集,引入模糊聚类方法,通过对操作响应进行分类,建立操控意图与目标运动特征之间的关系模型.通过充分的仿真试验,对比研究了跟踪平稳性、快速性、准确性等指标,结果说明该方法能够有效提升整体跟踪性能.     

改进混合量子算法在Job Shop调度中的研究

自从科学的管理思想引进生产过程中,管理者开始注重计算机的辅助作用。Job Shop调度问题（JSP）是许多实际生产调度的简化模型,由于解空间的规模巨大,给求解带来了很大的挑战。在量子比特编码的基础上,设计了两种解码方式,结合微粒群算法（PSO）的更新式对量子角进行智能调整,形成了混合量子算法（HQA）。但HQA在求解JSP时,效果并不好。在HQA的框架下,增加了一些寻优机制,使得算法求解性能有显著的提高,并称其为改进混合量子算法（IHQA）。