基于混沌序列密码的算法分析与实现

为获得一种基于混沌序列的图像加密算法,提出混沌序列对称加密算法对数字图像进行加密。设计了基于Logistic映射模型的混沌序列对称加密算法,实现对数字图像的混沌加密及解密。实验结果证明,算法简单易行,安全性好。     

融合制造语义的三维工序模型序列重用方法

针对目前三维工序模型序列重用缺少对加工特征尺寸、加工精度、形位公差等制造信息的考虑,不能很好地支持零件制造过程工艺设计重用的问题,提出一种融合制造信息的三维工序模型序列重用方法.首先,利用图同构原理对工艺路线中三维工序模型序列进行优化,减少搜索空间;然后,利用子图同构对三维工序模型加工特征进行匹配,通过融合制造信息对加工特征匹配进行预处理和相似性评价,以获取具有最相似加工特征的三维工序模型;其次,设计三维工序模型序列优化算法获取同构的三维工序模型序列;最后,以某型轴零件工艺设计过程为例进行实例验证,结果表明融合制造信息的三维工序模型序列重用方法能够准确地根据指定制造特征进行工艺设计重用,具有良好的应用效果.     

非乘积解随机Petri网的乘积形式近似求解

讨论了非乘积解随机Petri网的近似求解问题。将Marie方法引入到随机Petri网的近似分析中,利用随机Petri网中已有的结论将该方法中的分解原则推广到更一般的情形,使其应用范围更广,利用运算分析法对这些分解原则作了形式化描述,在此基础上,给出了有关结论的数学证明。最后,对这种近似方法作了误差分析,找出了产生误差的原因。实验数据表明本文所给的近似方法应用广且有效。     

甲襞微循环速度测量的研究

本文建立了完整的甲襞流速测量数据模型，指出流速测量必须考虑流向，晃动大小，绝对位移。提出了对甲襞这类目标物有形变及晃动的时间序列配准方法并实现了高精度快速配准，以此补偿晃动和形变，基于配准，通过运动分析首次实现了流速的无原理误差测量。实现结果表明了所提出的方法的有效性。     

基于相关滤波的颜色及尺度自适应运动目标跟踪算法

针对相关滤波目标跟踪算法难以适应目标形变、遮挡等复杂场景变化的问题,提出一种颜色及尺度自适应的目标跟踪算法,将颜色空间和尺度自适应运用到跟踪框架中,对视频序列的颜色空间进行分析,然后选取最优跟踪算法通过尺度自适应的方式对目标进行跟踪。选取公开测试集中13段挑战性视频序列与多个前沿运动目标跟踪算法进行对比实验,结果表明:相对于次优的尺度空间跟踪(DSST)算法,平均跟踪精度提高8. 48%,平均重叠精度提高14. 46%,平均中心位置误差减少13. 31像素。在目标发生尺度变化和遮挡等情况下,该算法仍然能够高效地准确跟踪。     

分数阶非线性Duffing振子方程的特性研究

将Caputo分数阶微分算子引入到非线性的Duffing振子方程中,运用同伦扰动变换法--一种同伦扰动法和Laplace变换相结合的方法来求解分数阶的非线性方程,借助Mathematica软件的符号计算功能得到了分数阶非线性Duffing振子方程的近似解,研究了振子运动过程与分数阶导数之间的关系。     

H.264/AVC视频编码标准的研究

H．264／MPEG-4 AVC是ITU-T的VCG(Video Coding Experts Group)和ISO／IEC的MPEG(Moving Picture Experts Group)最近联合开发的新一代数字视频编码标准。它的应用范围包括可视电话、视频会议、TV、DVD以及硬盘存储、流媒体、数字摄影、数字视频制作等等。和现有的视频编码标准，如MPEG-1、MPEG-2、MPEG-4 ASP相比，H．264／MPEG-4 AVC可以提供至少一倍以上的更加出色的压缩效率。H．261／MPEG-1 AVC的核心技术与之前的标准相同，仍采用基于预测变换的混合编码架构，基本处理没有过大的改变(预测，变换，量化，熵编码)，但其通过对每个细节特别处理从而到整体效率的提升，另外NAL概念的标准化使其利于适应各种网络条件下的传输。日前JVT(Joint Video Team)已经为标准正式审批提交了最后的草案(2003年三月)，关于2003年5月获得批准。     

基于卡方拟合优度检验的序列等概性测试组

等概性是随机性中的一个重要特性,频数检验是最常见的等概性检验方法.分析了传统频数检验的片面性,利用卡方拟合优度检验提出了全面进行等概性检验的测试组,分别是码元频数检验、等长子序列频数检验和检验结果数据频数检验.使用测试组对国际上常用的随机样本的二进制展开序列进行检验,实验结果表明,该测试组具有较强的等概性检验能力.     

不确定时间序列的降维及相似性匹配

不确定时间序列的每个时间点上对应一个可能取值的集合,无法给出其确定值,这种不确定性给时间序列降维处理和相似性匹配带来巨大挑战,现有的时间序列降维方法和相似性匹配算法已经无法适用。针对此问题,提出了描述统计模型,将不确定时间序列归约为3条确定时间序列,通过离散傅里叶变换（discrete Fou-rier transform,DFT）、离散余弦变换（discrete cosine transform,DCT）、离散小波变换（discrete wavelet trans-form,DWT）对模型下不确定时间序列降维;根据模型特点,提出了以观察值区间和区间集中趋势为核心的相似性匹配算法。经过实验验证,描述统计模型下DCT和DWT有良好的降维效果,提出的相似匹配算法与现有算法相比提高了匹配准确率。     

确定时间序列分段点的方法研究

现有的时间序列分段线性表示一般把局部极值点作为分段点,但是局部极值点并不能完全刻画时间序列的状态变化,根据时间序列线性分段的基本思想,提出在确定局部极值点的基础上引入斜率差值大的分段点,以便得到较高的拟合精度。新的分段点通过比较相邻序列段的斜率实现,斜率差值越大,该点的状态改变越明显。实验证明该方法拟合误差小,有很好的实用性。