一种基于散列链的自适应网格安全路由协议

LEACH(Low Energy Adaptive Clustering Hierarchy)路由协议是无线传感器网络拓扑控制中最具代表性和重要性的算法之一。针对LEACH路由协议簇头分布不均匀,节点死亡率高,易产生路由空洞及其所面临安全威胁等问题,提出一种基于散列链的区域划分网格自治安全路由协议LEACH-SEED。剔除低能量节点入选簇头的权利,改进簇头选举机制,簇头选举完成之后,每个簇头节点随机从散列链组成的密钥池中分配q个链密钥,其他节点利用单向哈希函数和伪随机函数生成通信密钥,网络遭受攻击后利用网格自治和待选簇头身份标识编号进行网络恢复。实验结果表明,改进的分簇算法能有效地降低节点死亡率,增强抗攻击能力,提高数据融合度,延长网络生存时间。     

基于相空间重构和柔性神经树的乐器分类

基于相空间重构理论和主成分分析理论,对不同乐器产生的音频时间序列进行处理。通过分析各类乐器的高维特性,采用概率密度函数来刻画各个乐器在相空间中的差异,然后将概率密度函数的参数与其他音色特征相结合,采用柔性神经树作为分类器,提出一种新的乐器分类方法。柔性神经树能够解决人工神经网络结构的高度依赖性问题,还具有较高的识别率。实验表明,该分类器与BP神经网络和支持向量机比较具有较高的平均分类准确率和较低的均方根误差值。     

高光谱图像超分辨率重建技术研究进展

不同于传统图像（如灰度图像、RGB图像等）专注于保存目标场景的空间信息,高光谱图像蕴含丰富的空—谱信息,不仅可以保存目标的空间信息,还可以保存具有高可辨性的光谱信息。因此高光谱图像广泛应用于多种计算机视觉和遥感图像任务中,如目标检测、场景分类和目标追踪等。然而,在高光谱图像获取以及重建过程中仍然存在许多问题与瓶颈。如传统高光谱成像仪器在成像过程中通常会引入噪声,且获得的图像往往具有较低的空间分辨率,极大地影响了高光谱图像的质量,对后续数据分析任务造成了极大的困难。近年来,高光谱图像超分辨率重建技术研究得到了极大的发展,现有超分辨率重建方法可以大致分为两类,一类为空间超分辨率重建方法,可以通过直接提升高光谱图像的空间分辨率来获得高质量高光谱图像;另一类为光谱超分辨率重建方法,可以通过提升高空间分辨率图像的光谱分辨率来生成高质量高光谱图像。本文从高光谱图像超分辨率重建领域的新设计、新方法和应用场景出发,通过综合国内外前沿文献来梳理该领域的主要发展,重点论述高光谱图像超分辨率重建领域的发展现状、前沿动态、热点问题及趋势。     

视频跟踪算法研究综述

在许多计算机视觉应用领域中,视频跟踪是最基本的任务。尽管有了大量的跟踪算法,但是跟踪算法的鲁棒性仍是具有挑战性的问题。物体的突然运动、目标或者背景外观的改变、目标与目标以及目标与背景的遮挡、非刚性物体的结构、摄像机抖动等问题都是视频跟踪算法设计过程中需要考虑的因素。介绍了视频跟踪算法及其研究进展,综述了现有基本的目标跟踪算法分类,详细描述了每种表示方法,并指出其优缺点。进一步讨论了跟踪的重要性问题,包括目标检测、特征选择、贝叶斯跟踪、在线学习跟踪等。     

增材制造铜/钢双金属材料研究进展

铜/钢双金属材料具有力学强度高、物理化学性能优良等优势,在交通运输、电力能源和建筑工业等领域应用前景广阔。然而,传统熔铸工艺在制造铜/钢双金属材料时,容易在铜/钢界面处产生偏析现象,在一定程度上限制了铜/钢双金属材料的发展。与传统工艺相比,增材制造技术不仅能实现复杂加工零件的快速制造,而且在成形过程中较短的保温时间能缓和或消除异种金属材料界面产生的冶金缺陷,进而增强铜/钢双金属材料的力学性能。由于双金属材料是近年来的研究热点,有关增材制造铜/钢双金属材料的综述性文章较少,故综述了近年来激光、电子束及电弧增材制造技术制造铜/钢双金属材料的研究发展现状,分析了各技术的优缺点,并从制备方法、工艺参数及界面合金元素等角度,分析了影响材料界面组织性能变化的关键因素。发现在增材制造铜/钢双金属材料方面,目前激光增材制造技术主要应用于精度要求较高的小尺寸零部件,电子束增材制造技术适用于某些具有特殊性能的合金,如钛合金,而电弧增材制造技术适用于精度要求较低的大型复杂零部件。在铜/钢双金属材料增材制造过程中,界面处易形成显微组织分布不均匀、界面晶粒尺寸差异较大等现象,导致界面处产生应力集中,从而造成材料...     

基于Mean Shift算法的目标跟踪综述

介绍Mean Shift算法及其研究进展,在众多计算机视觉研究和实际应用,尤其是视频跟踪研究中,基于Mean Shift算法的视频跟踪被大量应用。就目前所应用的跟踪算法,Mean Shift算法使跟踪中存在的很多问题得到了解决,例如运动目标的突然加速,背景的干扰,目标和目标以及目标和背景之间的遮挡,背景或者目标外部的变化等。对目前基于Mean Shift算法本身及其改进方法的理论和应用进行分类和比较,详述其各自方法内容和优缺点。