利用POMDP模型来增强分布式系统的生存性

针对分布式系统存在的状态信息不完全问题,引入部分可观察的马尔可夫决策过程(POMDP)模型到生存控制系统中.在该控制系统的构造过程中,结合前瞻的思想,提出一种简易、有效的搜索算法(NSL算法)来作出决策,从而在一定程度上弥补了现有生存控制系统的不足,提高了分布式系统的可生存性.     

一种复杂背景下的目标提取算法

针对目标与背景颜色接近,普通阈值处理算法不能有效实现图像分割的情况,提出了一种基于阈值处理的目标提取算法.首先对图像进行阈值处理得到目标,然后针对剩余像素进行二次阈值处理,最后第三次阈值处理在两次阈值处理后得到的目标总和中去掉被误提取的背景,得到了较好的分割效果.     

基于D-S证据理论的入侵检测模型

将数据融合理论引入到入侵检测过程,提出基于数据融合的入侵检测系统模型,并在系统模型的实现过程中应用了多Agent技术,使整个模型具有良好的扩展性。在聚类、合并、关联的数据融合过程中应用了D-S证据理论,在一定程度上解决当前入侵检测系统中存在的告警洪流、误报率高、告警之间的关联性差等问题,提高了分布式入侵检测系统的检测性能。     

利用GA决策理论模型增强信息系统的生存性

生存控制器被广泛地应用在关键的信息系统中。生存控制器的一个重要功能是做决策,也就是基于收益评价从用户给出的行动集合中选择相应的行动序列。因此,决策的质量决定了控制器的能力。寻找一个有效地解决方案来确定获得最大收益的行动序列（AS）。AS是一个背包问题（KP）和旅行商问题（TSP）的混合体。以GA有效解决组合优化问题的方法论为基础,针对AS问题设计了特殊的编码和有效的遗传操作。通过与贪心算法进行比较,模拟实验结果证明了遗传算法的有效性和实用性。     

融合小波变换和颜色熵的分块浮游生物识别

研究海浮游生物优化识别问题,为识别彩色浮游生物图像,由于生物品种繁多,形态不同.用传统的人工方法,样本的分类统计较慢,难度大.为解决上述问题,采用融合小波分解和颜色信息熵的分块图像特征提取与识别算法.提取浮游生物图像分块后的三层小波分解的数学特征,结合四叉树分块后的颜色信息熵构造特征向量,采用支持向量机分类方法对浮游生物图像进行分类决策.通过对500幅样本图像进行实验,平均识别率可以达到83.7％,识别时间为56秒.实验表明:与传统的PCA的图像识别方法及基于内容的图像识别方法相比,改进算法识别彩色图像性能效果好,在算法上显著提高了识别效率,并具有良好的稳定性.     

一种改进的圆形目标图像分割算法

针对目标与背景颜色接近,目标区域粘连度较高难以分割的情况,提出了一种基于阈值处理和分水岭分割相结合的改进的圆形目标图像分割算法。提及的算法分成两个步骤：第一步采用了3次阈值处理相结合的改进算法,较好地完成了目标和背景颜色接近情况下的目标提取;第二步采用了改进的分水岭分割算法,改善了分水岭分割之前的距离变换和求种子点过程,较好地实现了粘连度较高情况下的目标区域分割。实验结果表明该方法对圆形粘连目标的分割有较好的效果。