嵌入式自动指纹识别系统设计

指纹识别技术属于生物特征识别技术的一科。指纹具有唯一性和不变性。针对指纹识别在各种需要身份认证的场合的广泛应用,设计了一款基于嵌入式技术的自动指纹识别系统（AFIS）。系统的硬件采用JC19指纹识别模块和基于Intel PXA270 ARM处理器的嵌入式UP—TECHPXA270ARM平台;基于上述硬件开发了自动指纹识别软件,软件设计基于嵌入式Linux操作系统,采用模块化编程。利用所设计指纹识别系统分别对指纹录入、搜索、比对、删除及指纹库清空各功能进行了测试。结果表明系统的硬件和软件都能较好的工作,达到了预期的目的。     

混沌系统和DNA编码的并行遥感图像加密算法

目的 针对传统基于混沌系统的图像加密算法在加密遥感图像时存在速度差、安全性不足等问题,提出一种混沌系统和脱氧核糖核酸（deoxyribonucleic acid,DNA）编码的并行遥感图像加密算法,提升图像加密的效率和安全性。方法 利用明文图像的安全散列算法256（secure Hash algorithm 256,SHA-256）哈希值修改混沌系统的参数和初始值,提高算法的明文敏感性,并通过2维Hénon-Sine映射置乱图像,打乱像素之间的分布规律;然后利用图形处理器（graphics processing unit,GPU）并行计算密钥序列,缩短加密时间,通过选择多个高维混沌系统和修改混沌系统初始值确保密钥序列的随机性;最后利用密钥序列和GPU对图像进行DNA并行加密,得到最终的密文图像。在DNA并行加密过程中,生成一种DNA-S盒,对DNA编码进行非线性替换。结果 在遥感图像以及普通彩色图像上的仿真实验和安全性分析结果表明,本文算法在加密遥感图像上速度达到80 Mbit/s以上,密钥空间大于10²⁰⁰,信息熵趋近于8,密文图像直方图平坦均匀,且通过了美国国家标准与技术研究院（National Institute of Standards and Technology,NIST）随机测试以及卡方检验;与其他算法相比,本文算法在密钥空间、相邻像素相关性、像素改变率（number of changing pixel rate,NPCR）、统一平均变化强度（unified averaged changed intensity,UACI）和信息熵等评价指标上更接近理想值。结论 本文算法在大幅提升加密速度的同时,保证算法足够安全,能够抵抗各种攻击,适合遥感图像以及大容量图像的保密存储和网络传输。     

不同本构模型下建筑荷载对近邻地铁的沉降影响分析

针对高层建筑施工对近邻地铁隧道产生的影响,采用MC模型及CY模型两种土体本构模型,预测分析新建高层建筑荷载对紧邻地铁区间隧道及周边地表的沉降影响。结果显示,在计算参数均相同的条件下,两种本构模型得到的建筑荷载对周边土体的影响范围是一致的,但是该影响范围内的地表及隧道结构竖向沉降差异较大;根据工程经验,认为CY模型更符合真实情况。     

一种微博用户影响力的计算方法

针对微博中用户影响力分析这个问题,提出用户影响力的计算方法。该方法首先提出用户自身影响力以及用户被影响力的概念,并根据用户自身特征与用户粉丝情况得出其计算公式,从而可以综合考虑用户在微博中的所有信息,计算出用户影响力。实验结果表明,这种计算方法能比较好地反映用户在其粉丝中的影响力。     

基于BP人工神经网络的手写体数字识别

手写体数字识别是模式识别研究领域多年来的热点,BP人工神经网络是目前应用最广泛的神经网络模型之一。将两者融合并结合Matlab软件,提出了一种简单的基于BP神经网络数字识别的方法,仿真实验结果表明,该方法识别效果良好,准确率高,有一定实用性。     

对进口机电产品风险预警的探讨

本文首先分析进口机电产品的风险因素,并以此为基础,探讨机电产品风险预警机制,以期达到保证进口机电产品质量和提高检验监管工作的效率,从而促进我国进口机电产品的发展。     

基于LabVIEW的检测系统数据采集与分析

分析了LabVIEW的数据采集技术,给出了数据采集应用实例。应用表明,LabVIEW用于检测系统的数据采集、测试、测量等任务,可以减少系统的开发时间,同时也提高了编程效率。     

小组合作学习模式在计算机学科中的实践

文章从高职学生的实际出发,就如何在课堂教学中采用小组合作学习进行了实践和探讨。提出合作学习使学生的主体地位更为突出,更有利于培养学生社会合作精神与人际交往能力,是新课程实现学生学习方式转变的着力点。通过小组合作学习,还可以培养学生学会做人、学会做事、学会生存。同时指出了目前还存在的问题。     

低密度脑电自适应去噪方法

便携式和可穿戴设备的低密度脑电图更便于实际使用,但会受到多种不可预知的噪声影响,给去噪带来极大的困难。脑活动成分较为相似,在特征空间分布较为紧密,而噪声成分与脑电成分不同,差异性大,在特征空间分布较为分散。本文提出了一种低密度脑电自适应去噪方法,采用小波分解和盲源分离方法提取潜在成分,并基于脑电和噪声成分在特征空间的分布特性,采用单类支持向量机识别并去除远离成分分布中心的异常成分。仿真数据的定量分析结果表明,提出的方法在肌电、眼电和工频等噪声抑制方面均优于现有方法;通过对真实脑电数据的成分簇可视化分析,直观展示了低密度脑电噪声有效去除的原因。结合盲源分离和异常检测的思路进行低密度脑电去噪,不需要设定特定噪声相关的特征参数,能够自适应地去除多种类型噪声同时有效保留脑活动成分,具有优良的性能和实用性。