自嵌入空域易损水印技术

提出了一种新颖的自嵌入易损水印技术用于图像的完整性认证．提出引入基于图像的不确定性来克服其他算法中存在的安全缺陷．通过结合图像特征及相机密钥来产生基于图像的密钥来实现这一目的．相机密钥的惟一性解决了密钥的管理问题．算法把图像本身的信息作为水印嵌入，认证时可直接进行而不需要其他的水印参照信息．给出了性能分析，表明当嵌入的信息量较大时可以得到较高的篡改检测概率．分析了可能的攻击方式并给出了相应的攻击概率和检测概率．实验结果表明该算法是有效的．     

基于微分几何的欠驱动机器人动力学建模和控制

应用位形流形最小嵌入模型,对带有二阶非完整约束的欠驱动机器人动力学建模和控制进行研究。采用位形流形最小嵌入模型,简化了动力学方程,为欠驱动机器人动力学建模和控制的进一步研究奠定了基础。首先用一个齐次线性方程组表示被动关节的存在,给出基于嵌入模型的动力学方程解的结构。通过引入计算转矩控制法,给出另一个和主动关节及控制输入有关的齐次线性方程组,分析控制输入和这两个方程组解之间的关系,得到一个与控制输入及这两个方程组的解相关的欠定线性方程组,求解该欠定线性方程组,得到欠驱动机器人改进的动力学方程,进而可以运用全驱动机器人控制法来实现最小嵌入模型的控制,解决了由全驱动机器人控制法实现欠驱动机器人关节空间控制的问题。最后以平面二杆欠驱动机器人为例,验证了所得理论的可行性和有效性。     

融合邻域回归和稀疏表示的图像超分辨率重构

对于图像超分辨率重建而言,通常会将图像的整体信息作为研究对象.然而图像本身含有的大量结构信息并没有得到充分利用.为了提高超分辨率重建的效果,实现对不同特征信息的利用,提出了一种融合邻域回归和稀疏表示的图像超分辨率重构算法.依据图像所具有的低秩性对高分辨率图像进行分解,获得高分辨率图像的低秩部分和稀疏部分;将对应的低分辨...     

基于复合预测误差差值和互补嵌入的可逆数据隐藏

提出一种基于分块复合预测的误差差值和互补嵌入的彩色图像可逆数据隐藏算法。利用色彩分量之间的相关性和预测误差之间的关系减小差值,以增加差值直方图的峰值。采用双重嵌入方法提高嵌入容量,两次嵌入过程中像素值沿相反的方向扩展,部分像素值扩展量相互抵消,在图像分块的基础上选择最佳的预测方式组合,以增加扩展量抵消的机会,从而减小二次嵌入时图像质量的下降幅度。实验结果表明,本文算法在保证图像质量的同时大幅提高嵌入容量,算法的整体性能比其它同类算法更高。     

W(L)矩阵及信息隐藏方法

给出了一个W^（L）矩阵，及相关的性质，并在此基础上，提出了一种新的数据嵌入方法，可在（2L＋1）bit宿主信息中，嵌入2L bit数据而最多只需要修改L bit宿主信息。这种方法，有较大的数据嵌入率，且对宿主信息的改变也较少，比较适用于大信息量，特别是流媒体数据的隐藏及隐秘传输。     

地下综合管线信息系统中矢量图元的开发与嵌入

数字化地形图的获取和更新是地下综合管线系统大规模应用的一个瓶颈。通过对大量矢量图元的分析和研究，提出了利用矢量图元开发和嵌入的方法解决上述问题，并且用Visual Basic和Maplnfo、Delphi和MapX分别实现了矢量图元的开发和嵌入。经实验验证，该方法正确、合理，满足了地下综合管线信息系统推广的要求。     

改进主题模型的短文本评论情感分析

使用传统的主题模型方法对医疗服务平台中的评论等短文本语料进行主题模型的情感分析时,会出现上下文依赖性差的问题。提出基于词嵌入的WLDA算法,使用Skip-Gram模型训练出的词w*替换传统的LDA模型中吉布斯采样算法里的词w`,同时引入参数λ,控制吉布斯采样时词的重采样的概率.实验结果证明,与同类的主题模型相比,该主题模型的主题一致性高.     

Fast and exact synthesis of stationary multivariate Gaussian time series using circulant embedding

A fast and exact procedure for the numerical synthesis of stationary multivariate Gaussian time series with a priori prescribed and well controlled auto- and cross-covariance functions is proposed. It is based on extending the circulant embedding technique to the multivariate case and can be viewed as a modification and variation around the Chan and Wood algorithm proposed earlier to solve the same problem. The procedure is shown to yield time series possessing exactly the desired covariance structure, when sufficient conditions are satisfied. Such conditions are discussed theoretically and examined on several examples of multivariate time series models. Issues related to prescribing a priori the spectral structure rather than the covariance one are also discussed. Matlab routines implementing this procedure are publicly available at http://www.hermir.org.     

基于深度强化学习的维吾尔语人称代词指代消解

针对深度神经网络模型仅学习当前指代链语义信息忽略了单个指代链识别结果的长期影响问题,提出一种结合深度强化学习（deep reinforcement learning）的维吾尔语人称代词指代消解方法.该方法将指代消解任务定义为强化学习环境下顺序决策过程,有效利用之前状态中先行语信息判定当前指代链指代关系.同时,采用基于整体奖励信号优化策略,相比于使用损失函数启发式优化特定的单个决策,该方法直接优化整体评估指标更加高效.最后在维吾尔语数据集进行实验,实验结果显示,该方法在维吾尔语人称代词指代消解任务中的F值为85.80%.实验结果表明,深度强化学习模型能显著提升维吾尔语人称代词指代消解性能.