基于Julia分形集的模运算图像加密算法研究

作为信息安全的重要领域,图像加密算法一直是人们研究的热点。针对经典分形集合Julia集的特点,提出一种图像加密算法。将Julia集作为一种随机元素生成密钥,采用模运算方法对图像进行加密,对生成的密文进行两次扩散,得到最终密文。由于Julia集密钥仅需几个参数就可以表示,大大减小了存储空间。并且Julia集的无限性以及混沌特性使得任意参数的极其微小的变动都将导致密钥剧烈变化,无法正常解密。该算法较Rozouvan提出的以Mandelbrot分形集为密钥的转换方法,密钥空间更大,密钥敏感性显著提高,尤其能够有效抵御选择明文攻击。     

无线传感器网络中一种能量有效的分簇组网算法

针对无线传感器网络中传感器节点能量有限的特点,本文介绍了一种基于极大权的极小支配集的分簇组网算法,考虑到能量有效性,算法由SINK节点发起,泛洪网络中每个节点,优先选取剩余能量高的节点作为簇头节点与中继节点,最终得到以SINK节点为树根的簇树.并周期性轮换簇头,从而能够形成一个高效的通信骨干网,有效延长网络的生存期.仿真结果表明了算法的有效性.     

分车型的高速公路短时交通流量预测方法研究

针对混合交通流中车辆类型的不确定性和随机性,导致了直接对总车流量进行预测时难以获得较高的预测精度问题,提出一种分车型的流量预测方法.依据各种车型的车流量变化规律不同的特点,选用改进的时间序列算法对大型车和拖挂车的流量进行预测,选用二次指数平滑法对小客车和中型车的流量进行预测;然后通过车辆折算系数将各车型的流量预测值进行加权求和,从而得到总车流量预测值;最后利用渝武高速公路上微波车检器的实测数据对提出的预测方法进行了实验验证,并与非参数回归预测方法和卡尔曼滤波预测方法进行了对比.实验结果表明,无论在工作日还是节假日,分车型的流量预测方法均具有更高的预测精度,该结果为进一步提高高速公路管控能力建立了基础.     

密集散乱数据的三角形网格曲面逼近方法

介绍了一种密集三维散乱点群数据的三角形网格曲面逼近方法 .算法采用一定数量的球体在曲面空间的有效投影域上的排布来模拟 Voronoi多边形 ,从而实现平面域约束 Delaunay三角剖分 ,并利用 Hardy多二项式插值原理将其映射到曲面空间 .通过对球体集合的动力学数值仿真 ,解决了网格节点的位置确定和最佳网格节点数量确定的问题 .实际模拟结果表明 :算法结构清晰、实用 ,三角化结果品质良好 ,在数控加工和反求工程中有着广阔的应用前景 .     

基于组播的网络延迟测试

分组延迟极大地影响了网络应用的整体性能,确定延迟的原因和位置至关重要.R.Caceres等人提出了比其他网络性能测试与分析方法要好的端到端基于组播的网络性能测试与分析法,但这类方法还有一些不足之处.主要从减少测试分组数和降低计算复杂度两个方面改进了该测试分析法,从而既减轻了带给网络的负载,又使测试分析更加高效、适用.实验结果表明,这种改进的测试与分析方法更能有效地获取网络延迟等信息.     

ServerScope:一种新的性能评测系统的提出

该文从分析现有性能评测的通常做法和其存在的不足入手,提出了一种新的性能评测系统ServerScope。该系统在软件上遵循开放的、模块化的设计理念,采用了框架式面向对象的设计方法,硬件上引用了新兴的刀片式计算机技术,提出了低成本、高密度、高可用、易管理的运行平台。比较原来性能评测的方法,ServerScope具有低成本、可扩展、客户化和易用的特点。     

关联图谱的研究进展及面临的挑战

随着Web技术的不断发展和Linked Open Data等项目的相继开展,关联图谱已被广泛应用于互联网智能搜索、图书馆书目管理、医学、智能制造等领域,并取得了显著的成果。文中深刻阐述了关联图谱的定义、架构以及构建的关键技术,包括实体抽取、实体间关系抽取和知识融合等方面的研究进展,并深度分析了当前关联图谱分析与研究所面临的若干挑战问题。     

基于Benford定律的高斯模糊篡改取证

针对自然图像篡改手段中常用的高斯模糊,提出一种基于Benford定律的模糊篡改图像真实性取证方法.通过借助DCT域AC系数的Benford模型分别对自然图像的3个通道进行统计,构造特征,根据篡改前后差异的显著性水平设定阈值进行判定,最后给出实验结果.     

基于DSP的沥青路面裂缝图像处理算法的实现

沥青路面裂缝是高速公路路面的主要患害之一。提出一种沥青路面裂缝图像处理算法，即采用改进的经典算法和形态学算法对沥青路面裂缝图像进行去噪平滑、边缘检测、图像分割、效果增强及边缘连接等处理。该算法通过DSP软件的检验，处理的效果相对于其它经典算法，有了显著的提高。对用谊算法处理后的沥青路面裂缝图像进行检测，检测的精度和检测效果都比较满意。     

密钥提取中降低初始不一致率的预处理方法

在密钥生成过程中,传统量化算法会导致量化结果初始不一致率较高,从而降低最终的密钥生成速率。为解决该问题,提出一种基于奇偶校验的预处理方法。合法双方对量化比特进行合理分组,交互每组的奇偶校验位,且双方同时删除校验位不一致的分组。仿真结果表明,该方法能降低初始序列的不一致率,进而提高后端信息协商的效率,特别是当初始不一致率较高时性能改善明显,如当初始不一致率为0.26时,采用该预处理方法的剩余比例较未采用该预处理方法提高近9倍。