基于图像分块的二维投影特征提取能力研究

人脸识别研究的主要目的是提高识别率,关键技术在于提取有效的人脸特征。提出了分块多投影和分块双向多投影二维特征提取方法。分块多投影特征提取方法,针对现有分块单投影特征提取方法中每一子图均采用相同投影矩阵,而对人脸局部信息不加以区别,利用二维主成分分析方法,构造了分块多投影矩阵,使不同的子图投影到不同的子空间,与传统二维主成分方法和分块单投影方法相比,有效地利用人脸局部信息,降低了特征维数,提高了识别率,在ORL人脸库上实验表明了其有效性。     

浅析P2P技术的安全问题与防御体系

P2P作为一种崭新的传输模式,不仅能提供隐私保护与匿名通信,还能提高网络的健壮性和抗毁性。然而,P2P技术也由于其自身存在的一些缺陷。文章在对P2P技术简要论述的基础上,重点分析目前P2P系统安全的各种威胁以及防御体系的建设。     

信息时代下的隐私如何保护

随着电子商务技术的发展,网络交易安全成为了电子商务发展的核心和关键问题,对网络隐私数据(网络隐私权)安全的有效保护,成为电子商务顺利发展的重要市场环境条件。网络信息安全技术、信息安全协议、P2P技术成为网络隐私安全保护的有效手段。     

自组织P2P网络的语义聚类查询算法

P2P网络中参与资源共享的节点日益增多,且呈海量趋势。如何在海量用户海量资源的情况下,查询整个P2P网络中的资源语义分布,计算网络中的所有语义聚类,是一个颇具挑战性的问题。针对这一问题,本文提出了一种面向自组织P2P网络的语义聚类查询算法SCQASPNSR。该算法可高效计算整个P2P网络中的语义聚类,为研究网络中资源语义分布、进行有效的知识发现,提供了有力支持。     

Chord中路由公平性分析及改进

P2P系统中分配及检索目标的路由占据了大多数开销,通过公平性参数(FI)推导出影响路由公平性的因素.根据结论在没有增加任何负载的情况下对Chord finger选择算法进行改进,通过公平性参数(FI)及仿真对改进前后的Chord的公平性进行评估,结果表明改进后的EChord性能有较大提高.     

基于2D Mesh拓扑结构的NoC模拟器设计

片上网络模拟器的设计涉及到片上网络的拓扑结构、路由器结构、路由算法、性能分析等诸多方面.从NoC模拟器设计的角度,研究并讨论模拟器所采用的拓扑结构,路由器结构及数据包格式,介绍拓扑结构模拟、IP核模拟、路由模拟,并且用面向对象语言C++实现一个NoC模拟器系统.     

PeerSim模拟技术研究

PeerSim是研究P2P技术的模拟器之一,详细介绍PeerSim模拟器中的两种运行机制:周期模拟和事件模拟.通过分析两者的不同特点,重点研究周期模拟的接口、具体实现过程以及事件模拟机制的内部运行原理,为P2P系统研究人员的研究提供便利.     

基于MPEG-2 TS流的数字视频信号可变延时器

本文设计了一种新的基于MPEG-2 TS流语法语义的数字视颇信号可变延时器。     

基于J2EE的秸秆火点监测系统设计

秸秆焚烧火点监测在我国受到越来越多的重视,而遥感作为秸秆焚烧火点监测的有力手段也得到越来越多的应用。本文利用J2EE技术,实现了秸秆火点监测系统设计,并详细介绍了系统的设计思想,以及开发过程中的核心算法和主要技术问题。     

Type-2 fuzzy Gaussian mixture models

This paper presents a new extension of Gaussian mixture models (GMMs) based on type-2 fuzzy sets (T2 FSs) referred to as T2 FGMMs. The estimated parameters of the GMM may not accurately reflect the underlying distributions of the observations because of insufficient and noisy data in real-world problems. By three-dimensional membership functions of T2 FSs, T2 FGMMs use footprint of uncertainty (FOU) as well as interval secondary membership functions to handle GMMs uncertain mean vector or uncertain covariance matrix, and thus GMMs parameters vary anywhere in an interval with uniform possibilities. As a result, the likelihood of the T2 FGMM becomes an interval rather than a precise real number to account for GMMs uncertainty. These interval likelihoods are then processed by the generalized linear model (GLM) for classification decision-making. In this paper we focus on the role of the FOU in pattern classification. Multi-category classification on different data sets from UCI repository shows that T2 FGMMs are consistently as good as or better than GMMs in case of insufficient training data, and are also insensitive to different areas of the FOU. Based on T2 FGMMs, we extend hidden Markov models (HMMs) to type-2 fuzzy HMMs (T2 FHMMs). Phoneme classification in the babble noise shows that T2 FHMMs outperform classical HMMs in terms of the robustness and classification rate. We also find that the larger area of the FOU in T2 FHMMs with uncertain mean vectors performs better in classification when the signal-to-noise ratio is lower.