一种基于经线模型的鱼眼图像校正算法

鱼眼镜头所拍摄的图像具有严重的畸变。为了消除鱼眼图像的畸变,提出了一种改进的基于经线模型的校正算法。该算法首先建立经线模型,然后利用改进的校正算法对鱼眼图像进行校正,再建立半圆模型对校正过的图像进行修正,得到最终的图像。该算法不需要进行鱼眼镜头的标定以及参数的估计,通过建立全局统一的模型,对鱼眼图像进行校正。通过对模型图像和真实图像进行实验,结果表明,文中提出的算法能高效快捷地对鱼眼图像进行校正,而且具有较好的效果。     

基于耦合锯齿混沌映射的虚拟光学加密系统

文中结合时空混沌系统具有初值和控制参数的高度敏感性,并能产生大量非相关的伪随机序列的特性,提出了一种基于耦合锯齿混沌映射生成虚拟光学加密系统的随机模板的方法。该方法基于交叉耦合映像格子模型,局部状态演化方程采用锯齿混沌映射,构成时空混沌系统。实验结果表明,当耦合系数ε的取值小于0．01时,基于交叉耦合映像格子模型的锯齿混沌系统可以生成具有均匀分配的混沌序列。经Matlab仿真实验证明,该加密系统密钥的灵敏度高,在一定的密钥长度下可以抵抗暴力破解。     

分布式无线传感器网络故障检测算法综述

阐述了传感器网络中节点发生故障的原因并建立了故障模型。将当前主要的分布式节点故障检测算法分成了基于多数投票策略、基于中值策略、基于决策扩散策略、基于加权和基于分簇的算法五大类,详细阐述了分布式无线传感器网络故障检测算法的原理和步骤,并指出了各个算法的优势与不足。最后,对各个算法的性能进行了分析与比较,讨论了算法存在的问题,并指出了进一步的研究方向。     

基于多阶段网络攻击的网络风险评估方法研究

由于黑客的频繁入侵,对网络信息系统进行风险评估显得日益重要。为了获得对网络系统更实际的风险评估结果,文中引入了一个新的概念:漏洞关联性(VulnerabilityCorrelation),从黑客展开对网络的多阶段攻击入手,利用各种扫描器对网络扫描的大量漏洞信息,构造漏洞关联库,形成多条网络攻击链,从而计算出网络的风险评估值。与其他评估方法相比,论文的方法能更好地体现在面临黑客攻击时网络所存在的风险。     

基于程序切片和服务构件的语义Web服务组合

文中利用程序切片技术,根据用户的请求,将目标细分成一个个单一的需求,利用程序切片对依赖图进行函数抽取,将服务中实际需要使用的功能抽取出来,形成更小型的原子服务,作为服务构件并纳入构件库,进行服务组合.同时通过使用Wordnet词典,对这些关联服务的信息进行语义上的匹配,进行服务的组合,生成可行的组合方案,然后实现组合服务的绑定并执行服务.通过引入服务构件的思想,提高服务组合的复用性、扩展性和针对性,提高了服务的使用效率,并通过Wordnet增强了服务的语义性,使服务组合更加智能化.     

HTML5——下一代Web开发标准研究

HTML(HyperText Mark-up Language)是目前网络上应用最为广泛的语言,也是构成网页文档的主要语言.旧有的HTML版本是10年之前制定的,在表达和应用上已经很难满足开发人员和使用者的需求.为了适应这快速发展的Web技术以及不断提出的Web应用需求,HTML5应运而生.首先简要描述了HTML5的发展历程,然后重点介绍HTML5的特点和应用,并与现有的Web技术如RIA(Rich Internet Applications)、cookies等在网络通信、数据存储、地理定位、音视频播放、网页绘图方面进行比较,分析HTML5在这些领域的优势,从而得出结论.HTML5较之前的版本加入的新功能,能够使开发和使用网页更加便捷,并与浏览器很好地结合,降低了浏览器对资源的占有率以及对插件的依赖.最后探讨了HT-ML5中存在的一些问题和今后主要发展的方向.     

基于WordNet和Kernel方法的Web服务发现机制研究

目前,传统的基于语法的Web服务发现机制智能性较差,已无法满足用户需求.而基于语义的Web服务发现针对不同的领域和情景都需建立本体库,为发现机制的建立带来了一定的复杂性.将以上两者进行结合,提出一种基于WordNet和Kernel方法的Web服务发现机制.首先利用Kernel-WordNet-VSM对服务进行分类,其中,WordNet用作对抽取的特征向量降维,并采用Kernel函数计算向量之间的相似度.然后利用WordNet概念链中词之间的最短路径,从服务的功能属性方面,对用户的原始请求和服务进行语义层次上的匹配.从而在服务分类的精度上得到一定提高,在服务发现的智能性方面得到了一定的改善.     

智能小区用电数据模型研究

为了能给智能电网的建设提供数据和关系支持,构建低碳、方便、节能的智能小区,提出了一种智能小区用电的数据模型。从模型数据的存储查询、通信要求及数据流分析等方面讨论了小区用电数据模型的需求分析,并根据需求分析及智能小区的功能完成了对智能小区用电数据模型的设计。最后通过一个应用案例对模型进行了验证,结果表明该数据模型具有可行性与实用性。     

混合高斯模型的自适应前景提取

复杂场景下的运动前景提取是计算机视觉研究领域的研究重点。为解决复杂场景中的前景目标提取问题,本文提出一种应用于复杂变化场景中的基于混合高斯模型的自适应前景提取方法。本方法可以对视频帧中每个像素的高斯分布数进行动态控制,并且通过在线EM算法对高斯分布的各参数进行学习,此外每个像素的权值更新速率可根据策略进行调整。实验结果表明本方法对复杂变化场景具有较好的适应性,可有效、快速地提取前景目标,提取结果具有较好的查准率和查全率。     

横向联邦学习中差分隐私聚类算法

聚类分析能够挖掘出数据间隐藏的内在联系并对数据进行多指标划分,从而促进个性化和精细化运营。然而,数据孤岛造成的数据碎片化和孤立化严重影响了聚类分析的应用效果。为了解决数据孤岛问题的同时保护相关数据隐私,提出本地均分扰动联邦K-means算法（ELFedKmeans）。针对横向联邦学习模式,设计了一种基于网格的初始簇心选择方法和一种隐私预算分配方案。在ELFedKmeans算法中,各站点联合协商随机种子,以较小的通信代价生成相同的随机噪声,保护了本地数据的隐私。通过理论分析证明了该算法满足差分隐私保护,并将该算法与本地差分隐私K-means(LDPKmeans)算法和混合型隐私保护K-means (HPKmeans)算法在不同的数据集上进行了对比实验分析。实验结果表明,随着隐私预算不断增大,三个算法的F-measure值均逐渐升高;误差平方和（SSE）均逐渐减小。从整体上看,ELFedKmeans算法的F-measure值比LDPKmeans算法和HPKmeans算法分别高了1.794 5%～57.066 3%和21.245 2%～132.048 8%;ELFedKmeans算法的Log...