基于SEP4020的盲人智能手机短信发送的设计

为了让弱视者和盲人群体能够发送短信,提出了一种基于嵌入式处理器SEP4020的盲文输入方法。针对盲文语言的特征,设计出一种六点盲文输入方法,并给出了在触摸屏上提取盲文的方法和步骤。在此基础上将盲文语言转换成汉语拼音,使会汉语拼音的普通人能够阅读盲人发过来的短信内容。最后以发送内容"你好"为例分析了短信发送的过程和PDU编码形成的方式,并成功地将系统移植到开发平台上。实验结果显示了能够正确获取在触摸屏上输入的盲文,并成功将转换成的汉语拼音通过无线模块发送出去,证明了这个方法的可行性和有效性。     

P2P资源智能查询策略的研究与设计

提高资源搜索效率、提高网络的扩展性一直是P2P网络的关键技术问题。在分析现有的P2P网络资源搜索的算法及其存在的问题的基础上,作者提出并设计了一种基于最近Query消息查询记录表、本地资源推荐路由表相结合的智能查询策略。能在保持原有搜索覆盖率的前提下,提高网络资源搜索效率,减少Query冗余信息,提高了网络的扩展性。     

基于内容的信息检索技术研究

介绍了多媒体图象数据查询和检索的系统结构;阐述了图象数据查询和检索的基本过程和相关技术;提出了图象分割、特征提取、相似匹配、快速存取的具体算法,并对它们进行了详细分析。     

基于幂次趋近律的一类离散时间系统的变结构控制

针对一类离散时间系统,提出一种变结构控制设计方法.通过构造幂次趋近律,使得系统的准滑动模态不仅能保持步步穿越切换面的基本属性,而且能大幅度削弱抖振,有效地改善控制品质,提高系统的鲁棒性.采样周期越短,该控制方法的效果越明显.仿真实例表明了所设计控制器的可行性和有效性.     

一种基于多代理的演化多目标优化算法

为解决多目标优化中求帕列托最优解集的问题,引入多代理演化的思想.在演化的机制上,每个目标赋予单个代理人,这些代理人拥有各自的演化群体.以各自的单个目标作为演化过程中的评价函数,并且以它们各自选择出的优良解群体的分布作为概率分布,通过代理人的通信将这些概率分布合成,作为产生出下一代解的依据.在一些测试问题上,很少的演化代数内,将解群体收敛到帕列托最优解集.该方法在求解多目标优化问题帕列托最优解集上具有较高的效率.     

信息系统属性约简的比较研究

属性约简是粗糙集理论研究的核心问题之一。利用信息熵定义了信息系统的熵约简,从代数与信息熵两种不同角度出发对属性约简进行讨论。通过比较分析,分别在信息系统、协调与不协调决策表中得到这两种观点下属性约简的一些等价关系和蕴含关系,揭示了不同意义下属性约简的本质联系。     

基于地震灾害场景的主动配电网多维韧性评估方法

为了分析主动配电网承受破坏性扰动事件以及快速恢复重要负荷的韧性支撑能力,融合相量测量单元（PMU）高精度动态感知能力提出了一种新的以地震灾害场景为背景的主动配电网多维韧性评估方法。阐述了配电网韧性的基本概念及特征,并将地震作为极端事件代表,构建了反映配电线路故障率与地震动峰值加速度加权均值的模型,继而采用非序贯蒙特卡罗抽样和K-means++聚类算法筛选出代表性的地震场景;基于系统配置的PMU的强感知力建立反映韧性电网应变力、防御力、恢复力和协同力的评估指标,形成韧性多维特征空间,进而利用事件集点簇中心与最优韧性点的加权欧氏距离评估系统多维综合韧性;分析增强电力线路强度、提高联合系统中分布式电源可供容量这2种措施对系统韧性提升的影响,挖掘韧性电网对抗震防灾的学习力。最后,通过改进的PG&E69系统验证所提方法的有效性和准确性。     

面向软件供应链的异常分析方法综述

软件在国民经济的各个领域占据越来越重要的地位.万物互联的大背景下,信息之间的交互、分析、协同变得越来越普遍,程序/软件之间的依赖关系逐渐增多,这使得人们对系统可靠性和健壮性提出了更高的要求.由开源组件和第三方组件构成的软件供应链,其所面临的安全问题近年来成为了学术界和工业界共同关注的焦点.库函数作为开源软件的重要组成部分,与软件供应链安全有着密切的联系.为了提高软件开发效率,软件库或应用程序编程接口(API)在程序编写过程中会被频繁使用,但库函数中存在的错误或漏洞可能会被攻击者利用,从而损害软件供应链安全.这些错误或漏洞往往与库函数中存在的异常有关,因此本文对适用于库函数的异常分析方法从精度和效率两方面分别进行总结归纳,对于每种异常分析方法的基本思想和重要过程进行阐述,并针对库函数异常分析面临的挑战给出了初步解决思路.对软件供应链中的库函数进行异常分析有助于增强软件系统的健壮性,进而保障软件供应链的安全.     

Weakly supervised temporal action localization with proxy metric modeling

Temporal localization is crucial for action video recognition. Since the manual annotations are expensive and time-consuming in videos, temporal localization with weak video-level labels is challenging but indispensable. In this paper, we propose a weakly-supervised temporal action localization approach in untrimmed videos. To settle this issue, we train the model based on the proxies of each action class. The proxies are used to measure the distances between action segments and different original action features. We use a proxy-based metric to cluster the same actions together and separate actions from backgrounds. Compared with state-of-the-art methods, our method achieved competitive results on the THUMOS14 and ActivityNet1.2 datasets.