一种基于直方图的可逆数字水印算法

文中提出一种可逆数字图像水印算法的改进方案,防止了原有算法中可能出现的像素值溢出情况。改进后的算法利用图像的灰度直方图,在图像进行分块的基础上进行像素灰度值的修改,实现在图像的空间域中嵌入较为充沛的水印信息。其中标志点的设定,可以有效防止灰度值在修改过程中出现上溢和下溢的情况,而密钥的使用不仅加强了水印信息的安全性,同时简化原有算法,减少了繁琐的记录信息。实验结果表明,算法在嵌入大量水印信息的情况下仍能取得满意的PSNR值。     

一种新的面向对象的概率图模型

针对大规模Bayes网络的知识表示和推理等问题,使用面向对象的方法扩展Bayes网络结构,提出了一种新的概率图模型——对象概率模型（OPM）．该模型充分利用层次结构中所蕴含的条件独立性,有效地降低了知识表示的复杂度．在Bayes网络消元推理算法的基础上设计了OPM的一种有效的推理算法,该算法可以根据需要调节推理的计算量,在一定程度上解决了概率推理的计算的复杂度问题．将OPM用于解决图像中文本的自动检测与定位问题,实验结果验证了模型的有效性．     

Leakage Current Optimization Techniques During Test Based on Don't Care Bits Assignment

It is a well-known fact that test power consumption may exceed that during functional operation.Leakage power dissipation caused by leakage current in Complementary Metal-Oxide-Semiconductor(CMOS)circuits during test has become a significant part of the total power dissipation.Hence,it is important to reduce leakage power to prolong battery life in portable systems which employ periodic self-test,to increase test reliability and to reduce test cost.This paper analyzes leakage current and presents a kind of leakage current sinmlator based on the transistor stacking effect. Using it,we propose techniques based on don't care bits(denoted by Xs)in test vectors to optimize leakage current in integrated circuit(IC)test by genetic algorithm.The techniques identify a set of don't care inputs in given test vectors and reassign specified logic values to the X inputs by the genetic algorithm to get minimum leakage vector(MLV). Experimental results indicate that the techniques can effectually optimize leakage current of combinational circuits and sequential circuits during test while maintaining high fault coverage.     

保持图像亮度的局部直方图均衡算法

现有的局部直方图均衡算法用于图像的对比度增强时,输出图像的亮度与输入图像无关.由于图像增强的很多实际应用需要保持原始图像的亮度,为此提出一种新的局部直方图均衡算法.以子块部分重叠的局部直方图均衡算法 (POSHE)为基础,改进其对子块图像的均衡方式:根据亮度均值对子块图像进行递归分解,得到一系列不同灰度范围的子图像,然后对每一个子图像在其相应的灰度范围内进行直方图均衡,最后合并这些子图像的均衡结果.实验结果表明,这种局部直方图均衡新算法既能充分增强图像局部细节,又能保持输入图像的亮度,且亮度的保持程度可由用户进行控制.本文算法使所增强的图像具有更加自然的视觉效果,能更好地满足消费类电子工业对图像对比度增强的应用要求.     

多Agent动态影响图及其概率分布的近似方法

将多Agent影响图(MAIDs)在时间上进行扩展,提出一种决策模型:多Agent动态影响图(MADIDs),用于表示动态环境中多Agent协作的结构关系.为了有效计算MADIDs的概率分布,以Agents之间的策略偏序关系为指导,给出概率分布的一种分解近似方法,进而讨论概率分布在推理中的近似.对MADIDs概率分布计算的复杂性、误差以及误差在时间上的传播进行分析,进而基于KL差分,给出一个可对近似分布的精度和复杂性进行均衡的函数.最后,针对一个表示协作关系的MADID模型,进行实验和算法比较,实验结果显示该概率分布近似方法的有效性.     

基于图元的事件图生成算法

与单轮运行情形不同,多轮并发运行的密码协议存在更为复杂的安全性问题。并发运行密码协议的形式化分析对象包括密码协议的多轮并发运行和多个密码协议的并发运行两种情形,且二者具有统一的形式化模型。基于扩展的串空间模型和Spi演算理论,提出用于并发运行密码协议安全属性验证的事件图模型。图元是事件图的构造单元,它满足消息事件之间的通信关系和前驱关系约束以及消息语句的新鲜性约束。定义消息事件之间、图元之间以及消息事件和图元之间的前缀、组合和选择运算,并给出事件图生成算法。     

冲裁工艺设计决策专家系统及实现

冲裁工艺设计是一种设计决策问题,有一定代表性,很需要采用专家系统技术求解。讨论冲裁工艺设计专家系统的实现技术,包括工艺方案选择和工步设计等问题的解决方案、面向对象的知识表示和推理机制、模糊知识表示与模糊推理技术的灵活应用、图形的自动识别处理与生成等。     

基于MDL原理与混合遗传算法的Bayesian网络结构学习

从大型数据库中学习Bayesian网络结构是Bayesian网络应用的难点之一。在分析标准遗传算法与爬山算法各自优点与不足的基础上，将这两种算法相结合，以最小描述长度为评价函 数，得到一种混合遗传算法，实现了它们的优势互补。文章给出了混合遗传算法的计算步骤，并通过对ALARM数据库学习得到的Bayesian网络结构。     

分组样本下先验BN模型及条件概率的学习算法

文章扩展经典的先验BN模型，采用两层学习结构讨论分组样本下BN模型的条件概率及学习算法：一层是对各组私有条件概率分布的学习；另一层是对各组公有条件概率分布的学习。算法在综合公有后验条件概率分布和本组学习实例数据分布特征的基础上，实现对各组私有条件概率分布的学习，并可通过经验或学习来改变综合值中共性和个性的比例。