kμ-Tree:一种空间有效的嵌入式闪存数据库索引

μ-Tree是直接建立在闪存之上的索引,它克服了传统B+树应用于闪存时引起的"游走树"现象,避免更新一页累及多页的现象.但μ-Tree也存在缺点:占用空间比传统B+树多.为克服μ-Tree存在的缺点,本文提出一套机制改进μ-Tree:k分法模型.在此模型中,我们分析了在给定扇出度F时,k值与总记录数n的关系,以及给定记录数n时,不同大小的索引记录项对k的影响;给出了确定k值的基本方法.实验结果表明,k比例划分可以有效地节省索引所占空间,空间节省最大达50%左右,平均可达39%.所提方法在空间资源受限的环境下具有良好的空间特性.     

基于矩阵分解的DLDA特征抽取方法分析

提出两种基于矩阵分解的DLDA特征抽取算法。通过引入QR分解和谱分解(SF)两种矩阵分析方法,在DLDA鉴别准则下,对散布矩阵实现降维,从而得到描述人脸图像样本更有效和稳定的分类信息。该方法通过对两种矩阵分解过程的分析,证明在传统Fisher鉴别分析方法中,矩阵分解同样可以模拟PCA过程对样本进行降维,从而克服了小样本问题。在ORL人脸数据库上的实验结果验证了该算法的有效性。     

一种基于伪随机数调制的混合域盲水印算法

提出了一种基于伪随机调制技术的混合域彩色图像盲水印算法,先将彩色图像由RGB空间转换到HSI空间,并取出饱和度分量S,随后对S分量多小波变换后的中频区域进行分块DCT变换,对每个DCT系数子块,按一定的方案提取出若干个中频系数。然后使用密钥产生两个互不相关的伪随机数列,用其调制前面选出的DCT系数来嵌入水印。通过比较两个伪随机数列和待检测系数相关性的大小来实现水印的提取,不需要原始图像参与。实验结果表明,该算法能有效抵抗剪切JPEG压缩、放缩和较大强度的噪声攻击等攻击操作。     

灵活运用Excel分析学生成绩

考试结束后,通过对学生考试成绩的分析,教师可以对该课程的教学工作进行系统的总结,更好的安排下一阶段的教学工作。该文根据个人经验,介绍了如何灵活运用Excel分析学生成绩的方法与技巧,从而使教学工作变得更加简单、高效。     

无锡惠山泥人的造型特征研究

无锡惠山泥人历史悠久,造型优美传神,是我国民间工艺的精粹。论文通过对无锡惠山泥人的造型特征进行分析,总结出其造型、色彩、及构图上的规律,以此为实例分析推动传统工艺文化的保护和发展。     

基于改进遗传算法的数字信号特征集选取

针对通信信号的特点,提出了一种应用于信号特征筛选的改进遗传算法。该方法首先确定了最能表现信号调制间差别的特征子集即优秀基因库,然后在遗传过程中通过选择、淘汰引起优秀基因库大小的变化,最后通过引进不同大小的库外特征量,保证每代遗传过程中的交叉和变异概率随环境的变化而自适应的变化,最终筛选出一高质量的特征子集,并结合RBF神经网络分类器得到更好的识别效果。通过仿真实验验证了该方法不但具有求解全局问题的鲁棒性、收敛性,而且具有更快的收敛速度和更强的全局收敛性。     

RSA公钥密码算法的计时攻击与防御

计时攻击根据密码算法在密码设备中运行时的执行时间差异,分析和判断密码算法的各种有效信息,是最具威胁的旁路攻击方式之一。该文研究RSA加密算法和计时攻击的原理,分析RSA解密过程,阐述针对基于模幂算法的RSA计时攻击的原理,讨论如何抵御该计时攻击。     

大规模隐式反馈的词向量音乐推荐模型

现有音乐推荐系统在大规模隐式反馈场景下存在推荐困难的问题,提出大规模隐式反馈的词向量音乐推荐模型（Word-Embedding Based Implicit Music Recommender）.本模型借鉴了自然语言处理领域的Word2Vec技术,通过学习用户音乐收藏播放记录里的歌曲共现信息,获得用户、音乐在分布式空间的低维、紧致的向量表示,从而得到用户、音乐之间的相似度进行推荐,并且在理论上论述了Word2Vec技术应用在推荐系统上的正确性.该模型在保证准确率和召回率几乎不变的同时,收敛速度快,占用内存小,试验结果表明该模型有效的解决了大规模隐性反馈场景下音乐推荐困难的问题.     

交互式《编译原理》教学模式探讨

针对《编译原理》课程教学中存在的主要问题,分析该课程教学的特点,提出交互式教学的主要思路和实施方案。交互式教学的目的是培养学生主动思维、团队合作精神,激发学生的学习的兴趣,提高学生的编程能力,使学生真正掌握课程的精髓。     

移动分布感知的车载自组网络数据分发

提出了一种面向发布/订阅系统基于车辆移动分布感知的事件分发策略MDA(mobile distribution-aware data dissemination).基于车流的自组织性及自稳性的特点,建立VANET(vehicular ad hoc network)下的发布/订阅模型,通过计算车辆与移动订阅者的相遇概率,预测订阅者的移动分布,并以此为依据实时部署和调度广播令牌在网络中的转发,从而有效地控制事件代理的分布,保证了数据传递的有效性.与已有相关研究相比,MDA采用的启发式算法,能够使事件代理的分布更好地适应网络环境的动态变化.此外,MDA采用了一种基于概率预测密度的令牌控制算法,通过实时地调整令牌的数量,进而控制事件代理的数量,降低了整个网络的负载.模拟实验结果表明,与现有的几种消息分发算法相比,MDA能以较低的网络负载和传输延迟获得较高的数据传输成功率.