基于数字图像比特面的混沌加密方法

为提高数字图像的加密效果,经过对已有的数字图像加密算法进行分析,提出了一种基于数字图像比特面的混沌加密算法。对常用的基于混沌的数字图像加密技术进行改进,将数字图像的像素值进行比特面分割,然后利用Logistic混沌映射对数字图像像素值比特面进行置换加密,对数字图像像素值进行置乱,从而达到加密的效果。仿真试验表明：该算法具有可行性、通用性和加密效果比较理想的优点,其加密效果优于利用Logistic混沌序列对数字图像像素点置乱的加密技术。     

支持QoS的异构并行交换结构研究

不同类型的交换结构具有不同的交换性能。为此,提出一种支持QoS的异构并行交换结构(HPSA),该结构支持3种类型的业务：保障带宽(GB)业务,保障时延(GD)业务和保障丢包(GL)业务。各业务通过HPSA的不同类型平面被交换,从而实现对各类业务的QoS支持。仿真结果表明,HPSA中的GB业务带宽性能、GD业务时延性能及GL业务丢包率性能,均优于它们在基于iSLIP算法的IQ交换结构和基本PPS结构中的性能。     

导波雷达液位计的回波信号处理电路设计

该文简要地介绍了雷达液位计的分类和导波雷达液位计的测量原理,在此基础上设计出导波雷达液位计的回波信号处理电路,并详细地分析了回波信号的处理过程。所设计的电路简单实用,而且系统运行稳定,能满足工业测量要求。     

全光分组交换路由器缓存需求研究

针对当前只能在一个集成光电芯片上实现容量为几十个分组的光先来先服务（FCFS）缓存,大规模的光缓存仍无法实现的问题,利用接入链路速率远小于骨干链路速率这一特性,在牺牲25％的链路利用率的条件下,讨论小缓存能否满足采用CIOQ缓存队列的全光分组交换路由器的性能需求。从理论上证明采用CIOQ缓存队列的路由器的缓存需求小于采用OQ缓存队列的缓存需求,通过分析和仿真发现,20个分组的缓存即可满性能需求。     

基于稀疏表达和机器学习的行人检测技术研究

针对行人检测技术在智能交通系统中的应用,为了提高行人检测方法的有效性、实时性和准确性,将稀疏表达应用到图像的特征压缩中,提出一种基于HOG和LTP特征训练SVM分类器进行行人检测的方法。基于HOG和LTP特征训练SVM分类器进行行人检测的方法有效地结合了图像的梯度特征和纹理特征,利用稀疏表达进行特征数据的压缩可以有效地加速算法。实验结果表明,提出的算法具有精度高、速度快等优点。     

基于概率交易模型的线下百货推荐

该文提出了一种新颖的概率交易模型PTM,针对线下百货进行个性化的推荐。传统的推荐模型,如K-近邻算法、矩阵分解等,或者仅利用局部的数据,使得模型面临线下数据极大的稀疏性挑战,或者忽略百货数据中的交易维度,使得模型损失了同一交易中多商品共现的强相关信息,最终导致它们在面对线下百货推荐问题时性能低下。针对以上的问题,本模型从交易的维度出发,建模交易记录中的共现模式,并利用全局的交易数据来学习商品的相关分量,在此基础上推断出用户的兴趣分布,实现个性化的推荐。在真实的线下百货交易数据上的实验结果表明,该模型能够极大地提高线下百货领域个性化推荐的准确性。
     

基于颜色和纹理特征的林火烟雾识别

为了实现森林火灾的智能化预警,提出了基于颜色和纹理特征的林火烟雾识别方法.首先使用颜色特征确定烟雾疑似区域,随后采用局部二值模式方差(Local Binary Pattern Variance,LBPV)提取疑似区域纹理的不规则度特征并产生LBP图像.然后利用小波变换分解LBP图像并提取模糊度、复杂度和相关度特征.最后利用支持向量机(Support Vector Machine,SVM)进行烟雾识别.结果证明,颜色结合纹理特征方法可以有效实现林火烟雾的识别,为林火烟雾识别研究提供了一种有效方案.     

智慧生态水产养殖系统

针对工厂化海参养殖信息化低的现状,设计并实现了具有养殖环境水质监测、养殖环境水质分析评价、水下视频观测、养殖知识普及等功能的系统.该系统经测试,水质检测准确,水下视频观测实时清晰,可以满足海参养殖的实际需要.系统的推广可以帮助养殖企业进行养殖决策,提高养殖的智能化水平.利用工业化和智能化在水产养殖业领域的纵向扩散和深度融合,来探索现代化养殖模式,提升智能技术在渔业经济发展中的贡献率.     

封闭型小区交通开放对城市交通的影响

随着交通需求的增加,城市交通问题日益严重,能否通过开放现有封闭型小区的道路以缓解城市交通拥堵是一个值得研究的问题.本文针对这一问题,建立了基于最短路的交通分流线性规划网络模型,提出了交通量改善因子、路段饱和度均值以及路段饱和度标准差等三个评价指标,以评价和对比封闭性小区开放前后的交通量与道路占用程度,从而反映了封闭性小区的开放对城市交通的具体影响.本文对两种不同的交通网络及交通流量数据进行了仿真与模型求解,结果表明：尽管小区开放后路网密度提高,有可能使得总交通负荷降低,但并非任何小区开放均能缓解城市交通拥堵.小区面积、位置、外部及内部道路状况等诸多因素都能影响路网的交通状态,所以,是否开放封闭型小区,需要用针对具体的小区与周边道路状况进行评估后再进行决策.     

用于文本分类的局部化双向长短时记忆

近年来,深度学习越来越广泛地应用于自然语言处理领域,人们提出了诸如循环神经网络(RNN)等模型来构建文本表达并解决文本分类等任务。长短时记忆(long short term memory,LSTM)是一种具有特别神经元结构的RNN。LSTM的输入是句子的单词序列,模型对单词序列进行扫描并最终得到整个句子的表达。然而,常用的做法是只把LSTM在扫描完整个句子时得到的表达输入到分类器中,而忽略了扫描过程中生成的中间表达。这种做法不能高效地提取一些局部的文本特征,而这些特征往往对决定文档的类别非常重要。为了解决这个问题,该文提出局部化双向LSTM模型,包括MaxBiLSTM和ConvBiLSTM。MaxBiLSTM直接对双向LSTM的中间表达进行max pooling。ConvBiLSTM对双向LSTM的中间表达先卷积再进行max pooling。在两个公开的文本分类数据集上进行了实验。结果表明,局部化双向LSTM尤其是ConvBiLSTM相对于LSTM有明显的效果提升,并取得了目前的最优结果。