基于特征融合的多约束非负矩阵分解算法

针对非负矩阵分解后数据的稀疏性降低、单一图像特征不能够很好地描述图像内容的问题,提出一种基于特征融合的多约束非负矩阵分解算法。该算法不仅考虑了少量已知样本的标签信息和稀疏约束,还对其进行了图正则化处理,而且将分解后的具有不同稀疏度的图像特征进行了融合,从而增强了算法的聚类性能和有效性。在Yale-32和COIL20数据集上进行的对比实验进一步验证了该算法具有更好的聚类精度和稀疏性。     

关于数字图像的水印技术

随着多媒体技术和网络技术的广泛应用，对图像、音频、视频等多媒体内容的保护成为迫切需要解决的问题。数字水印技术是目前信息安全领域的一个新方向，是一种可以在开放的网络环境下保护版权和认证来源及完整性的新技术。本文在介绍了数字水印的基本要求的同时，给出了系统的框架，以及数字水印的原理和目前主要的应用领域，并探讨了数字水印的特点及其所受到的各种攻击方式，给出了典型算法，研究水印的嵌入、提取和检测并给出了模型，最后给出数字水印的研究方向。     

AMBE-1000芯片的研究与应用

介绍一种数字无线对讲机的设计方案,系统以AMBE-1000作为该系统的核心。采用AMBE语音编解码技术实现语音信号的低码率传输。介绍语音编码技术和AMBE算法;阐述该数字通信系统的构成和各部分的电路设计,包括时钟电路设计、语音数据采集电路设计、语音编解码电路设计等;有移频键控数字调制的射频芯片外围电路进行设计等。     

安全生产标准化与HSE管理体系整合建设的必要性和可行性探索

<正>为提高企业健康、安全、环保管理效率,节约企业资源,将HSE管理体系与安全标准化之间的异同点进行比较与分析,积极探索两种管理体系整合的必要性和可行性,在求同的基础上,将两者整合建设,构建长效的安全管理机制,促进企业更加健康、稳定、快速发展。1HSE管理体系HSE是健康(Health)、安全(Safety)和环境(Environ-mental)管理体系的简称,HSE管理体系是将组织实施健康、安全与环境管理的组织机构、职责、     

基于ZigBee无线定位的智能车研究

介绍了单片机操作系统、C语言技术和GSM模块结合使用完成智能家居系统的设计与实现.主要实现三大功能:监控室内温度、防盗和检测室内可燃气以及烟雾.实践证明,本系统成本低,操作方便,并且达到了预期的稳定性和可靠性.     

数字集成电路故障检测仪

根据数字系统测试与可测性的原理,应用布尔差分算法推导出TTL74、54系列和CMOS4000、4500系列数字集成电路芯片的最小测试集.以单片机为核心,由可编程I/O接口、E2PROM、RAM、键盘和LED显示器等组成数字集成电路故障检测系统,能完成对TTL74、54系列和CMOS4000、4500系列数字集成电路器件的功能测试.     

基于局部敏感哈希算法的图像高维数据索引技术的研究

局部敏感哈希（LSH）算法是有效的高维数据索引方法之一,该算法成功地解决了“维数灾难”问题。分析了LSH算法中主要参数对索引性能的影响,在规模不同的图像数据集上应用了LSH算法,实验结果表明选择合适的参数时,其性能接近顺序搜索方法。     

基于电磁场理论对井下对讲机环天线的发射距离的研究

井下对讲机的环天线发射距离远近与天线的效率有关。基于电磁场理论对环天线电磁辐射场辐射功率的分析和集肤与邻近效应的分析,设计井下对讲机时应该采用增加天线匝数和加粗天线半径的方法来提高其的发射距离。     

基于图正则化和稀疏约束的增量型非负矩阵分解

非负矩阵分解(Nonnegative Matrix Factorization,NMF)不仅可以很好地描述数据而且分解后的矩阵具有直观的物理意义。为了提高算法的有效性和识别率,提出了一种更为合理的算法——基于图正则化和稀疏约束的增量型非负矩阵分解(Graph Regularized and Incremental Nonnegative Matrix Factorization with Sparseness Constraints,GINMFSC)。该算法既保持了数据的几何结构,又充分利用上一步的分解结果进行增量学习,而且对系数矩阵施加了稀疏性约束,最后将它们整合于单个目标函数中,构造了一个有效的更新算法。在多个数据库上的仿真结果表明,相对于NMF,GNMF,INMF,IGNMF等算法,GINMFSC算法在降低运算时间的同时,还具有更好的聚类精度和稀疏性。     

基于并行小规模卷积神经网络的图像质量评价

图像质量客观评价广泛应用在图像处理任务中,参考深度学习技术的研究成果,提出了一种基于并行小规模卷积神经网络的无参考图像质量评估算法。卷积操作和并行的多尺度输入能学习到丰富和细微的图像失真特征,首先利用高斯图像金字塔获取不同尺度的失真图像做为4路小规模单层卷积神经网络的输入,经过卷积和池化处理后,输出4路特征矢量,把学习到的特征矢量融合后,通过全连接回归映射为图像质量预测分数。参数优化分2个阶段完成,提高了模型精度。实验测试结果表明,设计的网络模型简单有效,提出的算法性能高于当前主流算法,具有很好的稳定性和较强的泛化能力。