基于支持向量机的缓存预估模型的设计与实现

采用支持向量机(SVM)对网络业务流数据进行预测估计，通过训练样本，从而获得样本以外数据的分布规律。在此基础上，设计了一种网络排队队列缓存的预估模型。实验表明，该模型具有较高的训练效率和很高的估计精确度。     

视频目标标识文本视觉特征与模糊识别

对视频流中标示目标的文本字符的识别具有非常重要的意义.基于模式匹配的识别技术在文本图像清晰时有较高的识别率,但对因某种原因导致旋转、扭曲、污损、残缺的文本图像的识别率较低.提出的基于文本笔划和笔划结构空间的识别方法,识别速度与匹配算法相当,但对旋转、扭曲、污损、残缺文本图像的识别率大为提高.实验结果令人满意.     

μC／OS—Ⅲ在Cortex—M3处理器上的移植

为了将μC／OS-Ⅲ移植到Cortex—M3处理器上,选用RealView MDK作为软件开发平台,针对Cortex—M3处理器特性编写了移植所需的C语言和汇编语言源代码,并验证了移植的正确性。移植后的μC／OS-Ⅲ能够稳定运行于Cortex～M3处理器上。该移植对大部分Cortex—M3处理器具有通用性,对其他架构处理器的μC／OS-Ⅲ移植具有参考作用。     

图像序列中的自动点目标空时快速检测*

提出了一种新的序列图像中点状运动目标空时快速检测方法,该方法假设经过背景杂波抑制预处理后图像已转换为类SPGWN(信号加高斯白噪声)模型.自动目标检测时图像序列被划分为多组检测单元,每单元包含两帧相邻的图像.根据目标速度限制条件,采用在单元内以及两相邻单元间沿轨迹集成像素灰度的检测算法.在付出同等运算量的代价下,克服了二维投影检测性能较差的弱点,同时也具备可检测多速率目标的优点.理论分析和仿真试验表明了该检测方法的有效性.     

采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.     

基于邻域彩色变化矢量场的图像边缘检测技术研究*

首先进行了边缘检测系统结构设计,建立了图像邻域彩色变化矢量场的数理模型,提出了用图像邻域彩色变化方向锐度描述图像边缘,进而应用模糊聚类自适应检测边缘.实验表明:与基于梯度的边缘检测技术相比,该方法在噪声抑制以及边缘准确定位上均取得了好的效果,是一种应用广泛的优秀边缘检测算法.     

无线自组织网络中的自适应竞争窗口退避算法

基于无线自组织网络IEEE 802.11协议原理,改进Ad Hoc网络标准DCF算法,提出一种自动调整最小竞争窗口的退避算法——ABEB算法,建立算法的二维Markov链模型,导出其稳态分布概率,分析其性能并进行了仿真。研究结果表明,与标准DCF算法相比,该算法的吞吐量平均提高了18%,时延平均降低了11%。     

MPIS网的防止循环技术

一、引言在MPLS(多协议标签交换)网中,标签交换路径(LSP)是由使用标签交换来转发控制消息或数据的一组相互链接的标签交换路由器(LSR )构成的。当某些消息或数据在LSP上发生路由循环时,由于它们长期占用路由资源,造成对其他数据的路由拥挤,严重时甚至形成网络崩溃,因此要加以防止。从防止循环的角度,可将LSP分为两类:一是非融合的LSP:这是指     

uC／OS-Ⅲ在Cortex-M3处理器上的移植

为了将uC／OS-Ⅲ移植到Codex-M3处理器上,选用RealViewMDK作为软件开发环境,针对Codex-M3处理器特性编写了移植所需实现的C和汇编源代码,并验证了移植的正确性。移植后的uC／OS-Ⅲ能够稳定运行于Codex-M3处理器上。该移植对大部分Codex-M3处理器具有通用性,对其它架构处理器的uC／OS-Ⅲ移植也具有参考作用。