基于偏序结构的图像标注

图像标注旨在为图像分配一系列的语义标签描述图像的内容。针对高级语义与低级特征之间的语义鸿沟问题,本文提出了基于偏序结构的图像标注方法。首先,计算训练图像与测试图像的相似性得分,得到测试图像的初始邻近集及邻近标签;然后通过构建的属性偏序结构,获得邻近标签的相关语义,提高标签的丰富度,以及利用构建的对象偏序结构,得到最终的候选集。为了提高标注的准确率,设置一个频率阈值筛选出频率较高的标签作为最终的关键词。通过实验证明,实验结果有效地提高了标注的准确率和召回率。      

一种新的超混沌序列生成方法及应用*

为解决传统低维二进制混沌序列作为伪随机序列来源而随机性不理想、动力学特性易退化的问题,利用四阶CNN细胞神经网络超混沌系统的四路实数值序列进行比较,生成一种新的四进制超混沌序列,并应用于数字签名算法和数据摘要算法。仿真结果表明,新的超混沌序列的随机性优于传统的二进制混沌序列,能够通过"一次一密"实现复杂网络环境中的快速加密数据传输,克服现有多种加密算法已被破译的问题。     

一种N阶电流型有源滤波器的综合法

首先分析了一种由Ｎ对零极子和２Ｎ个导纳构成的基本电路。从分析结果中推导出实现Ｎ阶电流传递函数的条件。把零极子用电流舆器取代后,构成了Ｎ阶低通或高通电流型滤波电路。Ｎ阶电路使用Ｎ＋１个ＣＣⅡ器件,所有ＲＣ元件接地,使电路得以稳定地工作。     

基于Lorenz三维混沌序列的彩色图像加密算法

讨论了一种基于Lorenz混沌动力系统的三维彩色图像加密的算法。该算法首先对Lorenz系统输出的实值混沌序列进行预处理,然后根据序列随机修改图像中每一个像素点的RGB值,并对修改后的图像进行像素置乱。仿真与讨论结果表明,该算法密钥空间大,混沌信号的产生极其敏感地依赖于密钥,具有较好的加密效果和加密效率,并对统计分析具有较好的安全性。     

改进型粒子蚁群算法的应用研究

粒子蚁群算法综合了蚁群算法和粒子群算法的特点,在局部最优和全局最优解之间取得平衡。新算法在蚂蚁迭代过程中,每隔一定代数将数据引入粒子群运算以提高收敛速度。根据对TSP的eil51问题进行仿真结果可以看出,与通常蚁群算法相比,该算法不仅精度上较为满意,而且效率极高,具有良好的应用前景。     

PSO优化BP神经网络的混沌时间序列预测

针对于BP神经网络预测模型,收敛速度慢,精度较低,容易陷入局部极小值等缺点,提出了一种改进粒子群优化BP神经网络预测模型的算法。在该算法中,粒子群采用改进自适应惯性权重和改进自适应加速因子优化BP神经网络预测模型的初始权值和阈值,然后训练BP神经网络预测模型并预测。将该算法应用到几个典型的混沌时间序列预测。实验结果表明,该算法明显提高BP神经网络预测模型的收敛速度和预测模型的精度,减少陷入局部极小的可能。     

WCDMA系统下行功率控制方案

功率控制是WCDMA移动通信系统中提高系统容量和保证链路通信质量的关键技术。传统的下行链路功率控制方案的实现主要存在两个问题:基站发射功率的失衡和下行链路干扰过大。为了解决这两个问题,主要介绍了两种新的下行功率控制方案:站选择分集发射和调整TPC频率功率控制。其中前一种方案用于减小下行链路干扰,后一种方案用于恢复基站发射功率的平衡。研究表明,利用上述方案能够有效减小软切换中继站发射功率的差异以及下行链路干扰,从而提高了系统容量。     

自适应遗传算法优化神经网络的入侵检测研究

入侵检测是一种动态的安全防护技术,能够对网络内部、外部攻击进行防御.基于神经网络的入侵检测是常见的智能入侵检测方法.针对神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出了一种将神经网络和遗传算法相结合,用遗传算法优化神经网络权值,在遗传算法优化神经网络时采用自适应遗传操作.将自适应遗传算法优化神经网络算法应用于入侵检测系统中,实验结果表明,该方法能够有效的提高系统的检测率,降低误报率和漏报率.     

一类不确定时滞混沌系统的输出追踪控制

对一类不确定时滞混沌系统的输出追踪控制问题进行了研究，提出了一种新的控制方法。该方法表明具有期望系统动力学行为的线性时不变系统可作为时滞沌系统输出跟踪的参考模型。然后设计了追踪控制器驱动时滞混沌的输出跟踪期望的线性系统。基于这种设计方法，被控时滞混沌系统的输出可以具有同期望的系统相同的行为。最后给出的仿真实例说明了所给方法的有效性。     

一种电流型通用有源滤波器

本文提出了一种电流型通用有源滤波器电路，使用了两只运算放大器，八只电阻和一只电容，在四条支路中可以同时实现四种双二交 波功能。