使用M进制小波对尺度与旋转不变的图像特征点进行检测

基于小波变换和尺度空间理论,提出了一种尺度与旋转不变的图像特征点的检测方法。首先对图像进行多尺度的M进制小波变换,然后根据M进制小波变换系数的能量构造对应的二阶矩阵,最后通过考察该矩阵的特征值确定图像的特征点。实验表明,与目前最常用的方法相比,本文方法对图像的旋转变化与尺度变化均具有更好的不变性,在光照变化和噪声干扰等外部条件影响下也能保持较高的鲁棒性。     

基于Smart Camera的停车场智能监控和管理

针对传统停车场管理方式的不足,提出一种基于以DSP为硬件核心,以颜色矩和区域特征融合的特征匹配算法为软件实现基础的智能网络摄像机实现异常事件检测,包括车辆出入、超速、逆向、违规等,来解决停车场的智能实时监控和管理。实验结果表明,这一改进型算法对异常事件检测有很高的准确性,同时能基本满足系统实时性需求。     

基于用户浏览行为相似度的HTTP-Get Flood检测方法

基于页面请求的DDOS攻击比传统的海量报文攻击更具杀伤性且检测困难。传统的检测方法包括：特征检测,利用隐马尔科夫模型分析Web页面访问行为。相比明文解析与数学估计,提出了分析用户浏览行为相似性界定HTTP-GetFlood攻击,将用户浏览页面切换与浏览时间的比值表示用户浏览行为,不同用户利用这个表达式计算的浏览行为值很难相等。DDOS攻击爆发时,肉机行为高度一致,导致浏览行为值重复率偏高,当高于一定阀值时判断遭受DDOS攻击。     

基于小波包分析特征参数的说话人识别系统

介绍了说话人识别系统,研究MFCC提取原理与小波包分析的基础上,提出了一种基于小波包分析的新型语音特征参数WPDC。在研究了WPDC提取算法的基础上,建立了一个神经网络模型的说话人识别系统,实验比较了MFCC与WPDC的识别性能,验证WPDC了具有很高的识别率,是一种很好的语音特征参数。     

语言分类系统的设计

在语言研究过程中,依据语言的某一或某些属性和特征对其进行分类、归纳,是观测和捕获语言现象及规律的必要环节和有效方法。对语言进行分类也是将其在语言地图上渲染与描绘的前提步骤。语言特征分类系统是汉语方言地理信息系统的一个子系统,适用于语音及词汇分类。文中以汉语方言字音分类为例,介绍了语言分类系统的设计思想和方法,以及如何把语言规律、语言特性等语言学知识同计算机技术相融合,系统可以帮助语言研究者对语言进行有效、快速的分类。     

雷达目标特征提取的一种方法

针对雷达高分辨率距离像（HRRP）方位敏感性和平移敏感性的问题,在对一维距离像进行预处理的基础上,提取两个平移不变特征：中心矩和熵,并将二者形成组合特征,采用Karhunen—Loeve变换进一步进行特征压缩,运用并比较了最大最小距离判别法和SVM分类器的识别性能．实验结果表明中心矩一熵组合特征提取方法能够显著增强目标的可分性,大大提高识别率。     

电信机房规划设计及综合布线的分析

通信行业的快速发展,是前期规划者没有预见到的。随着业务的发展和设备扩容,机房不合理规划的弊端就逐步暴露。电信机房是每一个电信运营商有限的核心资源,而且新建的机房多是综合性的机房;这里对合理有效地利用通信机房面积与空间,合理地安排设备布局和综合布线做了分析,对于设备的运行维护、设备故障的快速处理、降低运营成本、提高企业的服务质量和竞争力等都具有很重要的意义。     

蚁群算法在110警车巡逻方案中的应用

蚁群算法是一种新型智能仿生类算法。以近年来国内外学者提出的蚁群算法思想为基础,并结合了城市道路的实际情况,为了更好的解决110警车巡逻路线问题,建立了智能局部自适应最大区域覆盖模型,同时应用了最短路径优化算法,通过实例来验证算法改进的合理实用性和模型假设的科学有效性,为大规模的预警巡逻提供了理论和应用支持。从而为警车巡逻在控制社会治安问题中发挥着越来越重要的作用。     

基于精细分析的辐射源识别软件系统设计及实现

提出了一种基于脉内细微特征分析的辐射源识别系统设计方案,并进行了工程实现。试验结果表明,该系统可以获得高精度的脉内、脉间特征参数和良好的辐射源识别结果。     

基于深度帧差卷积神经网络的运动目标检测方法研究

复杂场景中的运动目标检测是计算机视觉领域的重要问题,其检测准确度仍然是一大挑战.本文提出并设计了一种用于复杂场景中运动目标检测的深度帧差卷积神经网络（Deep Difference Convolutional Neural Network,DFDCNN）.DFDCNN由DifferenceNet和AppearanceNet组成,不需要后处理就可以预测分割前景像素.DifferenceNet具有孪生Encoder-Decoder结构,用于学习两个连续帧之间的变化,从输入（t帧和t+1帧）中获取时序信息;AppearanceNet用于从输入（t帧）中提取空间信息,并与时序信息融合;同时,通过多尺度特征图融合和逐步上采样来保留多尺度空间信息,以提高网络对小目标的敏感性.在公开标准数据集CDnet2014和I2R上的实验结果表明：DFDCNN不仅在动态背景、光照变化和阴影存在的复杂场景中具有更好的检测性能,而且在小目标存在的场景中也具有较好的检测效果.