基于文字下划线特征变化的脆弱型文本水印

根据特征编码的思想,首次提出了一种基于文字下划线特征变化的脆弱型文本水印算法.该算法利用字符的内码特征信息生成水印,然后按照特定的顺序插入水印或检测水印.理论分析和实验表明,算法具有良好的不可感知性,能准确地检测各类水印攻击,在大部分情况下能对篡改进行精确定位.     

模糊综合评判理论在研究性学习系统中的研究及应用

介绍了工程数学中的模糊综合评判理论以及相应树型向量推理算法,并将模糊综合推理机制运用到研究性学习系统中进行研究型应用。该系统中运用模糊综合评判对学习效果进行合理评判,得出综合成绩,以其作为改进研究性学习模式的参考评证,从而使研究性学习过程良性发展。     

基于特征参数的柴油机喷油正时状态诊断

燃油供给系统是柴油机最重要的子系统之一,它的性能的好坏直接影响到混合气的形成过程和发动机的动力性、起动性、噪声及环境污染等性能。柴油机喷油正时与否直接决定供油系统能否正常工作,针对柴油机在不同喷油状态下的压力波动变化,采用外卡测量并对压力信号进行预处理和二次处理,从中提取诊断特征值,从而给出不同工况的诊断结果,由于油压波形信号重复性较好,各缸同一工作段的某些幅域参数变化不大,因此,幅域参数作为诊断供油系统喷油状态的方法是可行的、有效的。     

圆锥裁剪BLOB的视频目标检测方法

真实场景的视频目标检测需要消除阴影、反射和鬼影等噪声的影响,以检测出运动目标和静止目标.为了实现系统性的视频目标检测,提出一种自适应圆锥裁剪联通块(TC-BLOB)榆测方法.基于BLOB知识,将3D颜色空间变换为"夹角-模差"2D空间后,定义一套圆锥裁剪规则划分出阴影BLOB和反射BLOB;再以一种持久化记忆PM方法判别出鬼影BLOB;最后改进双背景模型检测出静止目标和运动目标.采用不同环境视频进行实验的结果表明,文中方法足有效的,并有独立于后续跟踪的优点.     

HOOK API时代码注入方法和函数重定向技术研究

HOOK API是一种高级编程技术,在介绍Windows HOOK技术的基础上,阐述了HOOK API技术的概念,分析了HOOK API技术的实现原理,给出了三种实现HOOK API技术时的代码注入方法,即使用钩子注入DLL、使用注册表注入DLL及使用远程线程注入DLL.探讨两种实现HOOK API技术时的函数重定向技术,即利用PE文件中的导入表实现函数的重定向及通过嵌入汇编代码实现函数的重定向.     

基于内容的图像检索技术在手机外形特征检索系统中的应用研究

基于内容的图像检索CBIR（Content Based Image Retrieval）是图像分析的一个重要研究领域,也是目前搜索引擎技术的难点。阐述一种基于颜色、形状、轮廓等多种特征的图像检索方法,并利用颜色直方图的颜色特征提取,Canny算法的图像边缘检测,以及感染模型方法的手机屏幕图像检测,实现了对手机图片图像检索的功能。经过对该功能的初步实验基本验证了所提出方法的有效性及合理性。     

一种基于遗传Hopfield神经网络求解TSP问题的算法

针对Hopfield网络求解TSP问题时出现无效解和收敛性能差的问题,对约束条件能量函数进行改进,构造了一种求解TSP问题的遗传Hopfield神经网络算法,并与经典Hopfield神经网络求解TSP方法进行对比.实验结果表明,本文算法具有更好的整体求解性能.     

基于DSP平台的激光二极管控制系统

介绍了以DSP芯片TMS320F2812为核心设计的控制平台、利用半导体制冷器和光功率传感器调节激光二极管工作温度和发射功率的控制系统;设计了具有良好性能的模拟通道,提出了针对特定调节对象的PID算法.结合优化设计的执行单元实现了很好的控制效果,有效地提高了激光二极管系统的稳定性和可靠性;设计的控制系统在环境温度-10℃～50℃时能够达到±0.03℃的控制精度.     

相容剂控制高分子合金的形态与性能

应用相容剂可得到优质的“海岛”两相分散结构、分散相纤维化以及分散相层化两相分散结构,由此赋予共混体系高性能或高机能。相容剂在制备高性能或机能性高分子合金领域中日益起着重要的作用。     

The learning convergence of CMAC in cyclic learning

In this paper we discuss the learning convergence of the cerebellar model articulation controller (CMAC) in cyclic learning.We prove the following results.First,if the training samples are noiseless,the training algorithm converges if and only if the learning rate is chosen from (0,2).Second,when the training samples have noises,the learning algorithm will converge with a probability of one if the learning rate is dynamically decreased.Third,in the case with noises,with a small but fixed learning rate ε the mean square error of the weight sequences generated by the CMAC learning algorithm will be bounded by O(ε).Some simulation experiments are carried out to test these results.