基于改进Kalman滤波的可见光极小目标TBD跟踪方法

针对无人机可见光图像极小目标跟踪问题,本文提出一种基于改进卡尔曼滤波的 (Tracking before detection,TBD)跟踪方法。首先利用检测算法定位目标位置作为卡尔曼滤波的测量值,检测过程中的匹配相似度参数作为卡尔曼滤波测量噪声协方差矩阵的参照依据,其次利用卡尔曼滤波建立跟踪框架预测下一帧的目标位置,最后检测模块以预测位置为 参考位置进行局部搜索,完成整个检测跟踪过程。为了提高跟踪效率,本文根据检测和预测位置积累误差判决检测模式,误差超过门限值则采取全局检测模式消除积累误差,否 则使用局部检测模式,降低TBD跟踪算法的运算复杂度。仿真实验证明,本文方法可以有效检测跟踪极小目标,提高跟踪的实时处理能力。     

数据中心网络中一种半集中式SDN路由策略

在SDN体系架构中把网络控制功能从网络设备（交换机/路由器）里分离出来,集中到中心节点控制器上,交换机只负责数据平面的功能（通过流表进行数据转发）。在大规模的数据中心网络中,路由/流表的计算和分发完全由中心控制器完成,控制器成为网络的性能瓶颈和脆弱点。为了解决上述问题,本文提出半集中式SDN路由技术,其主要思想是每个交换机节点不需要控制器的参与,可以自主构建一个基础流表,基于基础流表,交换机可以完成基本的数据转发工作。而控制器负责更高级的路由选路（故障处理）工作,从而大大减轻控制器的负担。针对控制器的高级路由选路工作,本文通过对现有SDN网络中的故障恢复机制的特性以及限制的分析,在基础流表的基础上设计一套局部迂回故障检测恢复机制。基于该机制,控制器能够及时检测到网络故障,并在极短的时间内进行故障恢复,实现控制器的高级路由选路工作。     

基于交叉与变异组合的TSP问题研究

遗传算法是一种在自然选择与遗传机制基础上的随机化的搜索类算法,是求解TSP(Travelling Salesman Problem)问题的一种常用算法。但是该算法在解决TSP问题时,存在着收敛速度过慢,容易出现早熟的问题。本文针对该问题,创新性地提出使用5种交叉算法和3种变异算法进行组合的算法设计,得出15种不同的组合方法,然后使用Java语言进行编程实验,最后通过对中国144个城市相对坐标（CHN144）的实例进行测试,证明了在使用交叉算法与变异算法进行组合得出的15种组合方法中,使用三交换交叉算法与逆序变异算法进行结合,这种组合方式的遗传算法在解决TSP这一问题时能够取得最优的效果。     

基于国密算法和PUF的企业用户身份认证系统

针对当前企业信息系统登录方法安全性和可扩展性的不足,设计一种基于国密算法和PUF（物理不可克隆函数）的企业用户身份认证系统。该系统借鉴FIDO U2F（线上快速第二因子身份认证）认证框架,以身份识别令牌作为认证第二因子,使用国产加密算法实现安全性的自主可控,同时在身份令牌中集成了PUF和真随机数发生器,以达到提升安全性和可扩展性的目的。安全性分析表明,该系统的安全性显著高于现有技术实现。实验测试结果表明,该系统运行开销较低,稳定可靠,能够方便、快捷地部署在企业信息系统中。     

FFT计算菲涅尔衍射相位的跳变与矫正研究

采用傅里叶变换算法计算菲涅尔衍射相位时,在相位未解包裹的情况下,接收面上提取的相位分布曲线会出现跳变,如果进行解包裹,必然会导致错误的结果。研究发现用傅里叶变换算法进行衍射计算导致接收面上相位跳变的原因,是因为快速傅里叶变换（FFT）对矩阵标注索引的方式与离散傅里叶变换（DFT）有所区别,从而导致计算结果的相位与真实相位有差异。本文提出在FFT运算前后分别进行一次倒谱的方法矫正这种相位跳变,并仿真利用单次FFT进行二维矩孔的菲涅尔衍射,用2次倒谱矫正接收面上的相位跳变,结果证明了该矫正方法的可行性。     

延迟抖动在TFRC拥塞控制策略中的应用

研究在多媒体实时业务中得到广泛应用的基于速率控制的TCP友好性拥塞控制机制TFRC,分析其基本工作流程、吞吐量模型和关键参数的计算。针对实时业务对于网络传输的要求,提出将延迟抖动作为网络拥塞的预警信号应用于TFRC的拥塞控制中,并采用自适应抖动阈值和调整因子来改进TFRC的速率调整机制。仿真实验结果表明,该方法在实时业务的网络传输中能够取得较好的效果,其友好性和平滑性均得到一定程度的改善。     

VISDMiner：一个交互式数据挖掘过程可视化系统

针对数据挖掘中挖掘过程不透明以及用户交互少的问题,本文设计并实现了VISDMiner系统。VISDMiner系统将可视化技术和数据挖掘技术结合在一起,提供对挖掘过程中各阶段产生的可视化子结果集的分析。用户可根据自己的领域知识和经验去调整数据挖掘算法模型的参数和可视化模型的参数,促进算法和挖掘分析过程的有效调优。为了处理高维数据集,VISDMiner系统采用一种基于最大信息系数的主成分分析改进算法MIC-PCA,该算法主要是针对传统PCA算法降维能力和分类准确率低的问题进行改进。实验结果表明,VISDMine不仅实现了数据挖掘过程的可视化,还提高了用户对数据挖掘〖JP2〗执行结果的可理解性,其采用的改进的MIC-PCA算法提高了PCA算法的降维能力和分类准确率。     

基于VAE-DBN双模型的智能文本分类方法

文本分类技术是信息过滤、搜索引擎等领域的基础,是当下研究热点之一。本文在介绍文本分类相关概念、深度学习相关模型的基础上,通过分析传统文本分类方法存在的不足,提出基于变分自编码器模型和深度置信网络模型（VAE-DBN）的双模型融合的文本分类方法。通过在相关语料集上的对比验证,表明该双模型方法能有效提高文本分类的准确性。     

基于自适应阈值的船舶轨迹异常点检测算法

定位技术的快速发展催生了轨迹大数据,轨迹数据中总是存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续知识发现精度至关重要。目前轨迹异常点检测算法主要为恒定速度阈值法,没有考虑目标在不同时刻运动状态的变化,仅能检测出速度超出指定阈值的一部分异常点,甚至出现检测错误的情况,算法鲁棒性较差。针对现有问题,本文提出一种基于自适应阈值的轨迹异常点检测算法（Trajectory Outlier Detection Algorithm based on adaptive Threshold, TODAT）。TODAT算法充分考虑了目标在一段时间内的运动信息和观测噪声的影响,采用局部阈值窗和均值滤波窗来计算阈值和速度,同时又引入了经济航速阈值和连续异常点放回机制。基于真实船舶数据的实验结果表明,本文算法可根据轨迹数据得到自适应的阈值,有效检测出全部异常点,大幅度提高轨迹数据的质量。