浅谈计算机技术在交通运输规划与管理中的应用

自从计算机被应用于交通运输业以来,计算机技术在交通运输规划与管理中就得到了越来越广泛的应用.本文分析了计算机技术在交通运输规划与管理中的应用领域,详细讨论了计算机技术在智能运输系统和道路交通系统仿真中的应用.     

浅析《计算机网络》课程实验环境架构

本文针对当前贫穷地区高职高专计算机网络实验教学的特点,结合学校和本地实际情况,从实验课程教学内容及形式方法等方面探讨了计算机网络实验环境架构的有关问题.对计算机网络实验的环境构架存在的不足,给出了解决方案.     

3D游戏开发中的碰撞检测算法研究

碰撞检测在三维游戏开发中是必不可少的环节。目前,主流游戏引擎大多采用基于层次包围体的碰撞检测算法,其基本思想是用一个相对简单的包围体逼近场景中复杂的物体。文中对当前三维游戏开发中常用的四种基于包围体的算法作了理论分析,并通过试验对四种不同的包围体算法作了性能测试。试验结果表明,紧密性越好的包围体其精度越高,但时间消耗也高。因此,在具体的游戏开发中,应根据实际游戏的特殊情况进行算法选用,才能取得较好的效果。     

基于会话的局域网P2P流量识别方法的研究

随着P2P技术的发展,很多P2P软件采用了新的技术改善局域网用户的传输质量,导致P2P数据传输中出现了新的特征。针对STUN协议,在多元分类的基础上,提出了一种基于会话的P2P流量识别算法。首先介绍了STUN协议建立会话的消息格式,并描述了几种不同类型NAT建立地址映射的过程。算法采用多元组描述会话,建立二叉树结构对收发的数据包依次进行分析,识别P2P会话,最后以哈希表存储会话状态。在Linux环境下,以迅雷为例进行实验,结果表明采用本算法可以很好地识别P2P数据流。     

可信计算的迅速发展及启示

首先阐述了当前可信计算技术迅速发展的原因,叙述了国内外可信计算的发展历史和现状;其次,根据其不同的特．最划分了可信计算理论和在技术国内外的发展阶段,并关注了产生这种发展历程差异的原因;最后,指出了目前我国信息产业面临的困境,并根据目前面临的形势和国内信息技术发展态势提出了解决思路。     

利用量子遗传算法改进BP 学习算法

针对BP 算法易陷入局部极小、收敛速度慢的缺点,根据量子遗传算法具有全局寻优的特点,本文提出了一种新的训练神经网络的混合算法－QGA-BP 算法;通过算法比较和实例结果分析,表明该算法加快了收敛速度、提高了收敛速度。     

一种基于PKI的P2P身份认证技术

目前P2P技术发展非常迅速并且得到大量应用,但由于P2P网络本身的结构特点使之面临很多安全问题,尤其是身份认证技术几乎在所有主流的P2P软件中研究的都不够细腻,而身份认证却是P2P网络安全的重要组成部分.文中提出一种基于PKI的P2P身份认证技术.在中心化结构P2P网络中设置认证机构,认证机构中存储P2P网络中节点的地址和公私钥对.由于认证机构中公私钥对的唯一性,节点通过私钥加密,公钥解密可以达到确认节点身份的目的,同时可以实现重要信息的加密传输.模拟实验表明该技术有效地提高了中心化结构P2P网络的安全性和健壮性.     

嵌入式无线家庭网关的设计与实现

智能家居的概念逐渐深入人心,人们越来越渴望更智能、更舒适的数字家居生活.在智能家居系统中,各个智能模块完成一定的功能,并通过家庭网关的控制而形成系统,家庭网关将在很大程度上决定系统的性能.本文就无线家庭网关的工作原理和设计方案作一个详细的介绍.     

基于改进YOLOv3的避雷器红外图像故障检测方法

针对现有的金属氧化物避雷器（Metal Oxide Arrester,MOA）红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。     

基于分类器决策融合的红外图像目标识别方法

提出基于分类器决策融合的红外图像目标识别问题。采用稀疏表示分类（Sparse representation-based classification,SRC）和卷积神经网络（Convolutional neural network,CNN）作为基础分类器。对于测试样本,首先基于SRC进行分类,并根据输出的决策变量判断决策可靠性。当判定识别结果可靠时,则识别过程结束,输出目标类别。反之,根据SRC的结果遴选部分置信度较高的候选类别,并在下一阶段针对这一步类别采用CNN进行确认分类。此外,将CNN的输出结果与SRC进行线性加权融合处理,根据融合结果做出最后的目标类别决策。提出方法通过综合SRC和CNN两者分类器的优点,综合提升红外目标识别性能。同时,这种层次化的决策融合方式避免了对所有样本的两次分类过程,整体上能够保证识别算法的效率。实验采用五类日常生活中常见的车辆目标红外图像进行,分别设置了原始样本条件、噪声样本条件以及遮挡样本条件。通过与部分现有方法进行对比,结果反映了提出方法的有效性和可靠性。