一种适合移动设备的数字图像签名方案

根据移动商务中计算能力不对等的特点,针对数字图像,提出了一种新的有效的数字签名方案。在不泄漏图像原始信息的情况下,将信息分块之后发送给TP(Third-party)进行签名计算,然后将中间结果发回移动设备进行组合。描述了该协议的运行过程,分析了其在运算速度方面的性能,证明了该协议对各种网络攻击和网络意外所具有的安全解决能力。理论证明该方法可以在一定程度上解决未来移动商务中计算能力不对等的问题,并且可以保证通信的安全性。     

基于Linux的操作系统实验平台的设计与实现

针对操作系统教学中存在的不足,以Linux0.11版本内核为基础,深入剖析操作系统各项功能的实现机制,采用Java技术体系开发一个平台无关的操作系统教学实验平台（LBOSEP）。该系统依据Linux0.11内核的体系结构及其实现的功能,将内核源码划分为若干大小适宜、功能相对独立的小模块,模块之间的复杂联系描绘成模块关系图,模块相关信息以XML文档存储。LBOSEP客户端以Java Applet实现,提供一个以操作系统功能模块为基本单元的学习、编程实验环境,用户能够可视化地指定实验模块,修改操作系统数据结构和算法,通过本地编译、调试和运行检验实验结果。实践证明LBOSEP有利于用户加深对操作系统内部运行机制的理解,增强修改、编写内核的能力,从而为操作系统课程教学提供一个方便实用的实验平台。     

面向个性化站点的用户检索意图建模方法

针对个性化站点较少考虑用户检索意图的问题,提出结合交叉信息熵和词语特征信息的关键词提取方法以及结合余弦相似度和加权海明距离的文本排序方法,旨在不需要用户任何反馈的条件下,为用户推荐更满意的检索结果。通过过滤用户请求个性化站点时的访问地址,获取用户浏览的网页文本内容,从中提取能够表示用户检索意图的关键词集进行重新检索后对检索结果排序,最后将排序后的结果作为推荐模块返回给用户。实验表明,利用该方法获得的查询推荐结果能够更加符合用户检索意图,提供更好的用户体验。     

MCLA教学法在计算机难点知识教学中的应用

针对计算机难点知识理论性强,按照从理论到实践的教学方法,往往存在部分学生学到一半就无法理解,失去兴趣,放弃学习,靠做题应付考试,最终导致知其然不知其所以然这一现象。本文针对计算机难点知识教学过程中遇到的问题,结合相关经验,以"图像处理中的各向异性扩散的偏微分方程"的讲解为案例,阐述MCLA(Model Centered Learning Architecture)方法在教学过程中的应用。实践证明,该教学方法能够加强学生对知识的理解,取得了较好的教学效果。文章最后还对该方法适用的范围进行了讨论。     

基于RGB向量空间的彩色纹理图像检索

彩色纹理图像分析是图像理解和计算机视觉研究领域的重点之一,彩色纹理图像分析具有很大的优越性.本文提出了一种新的彩色纹理图像描述子,首先计算RGB向量空间的梯度,经过标准化后把它映射到灰度级上,利用共生矩阵来描述纹理图像特征,并用于图像检索.实验结果表明,该纹理图像描述子能够有效结合颜色和纹理特征,具有良好的检索效果.     

三维局部相似目标匹配的微分几何方法

提出一种基于高斯曲率和平均曲率的三维局部相似目标匹配方法,首先筛选出待匹配曲面上固有特征相似的点,形成点对集合,然后利用非对称三角形骨架来定位三维曲面,在点对集合中寻找相似三角形对,并导出其空间变换,构成三角形对集合,最后通过得分函数,求出三角形对集合中空间变换的最佳值,得出最佳匹配,实验表明,该方法对三维局部相似目标匹配具有较好的识别效率,针对不规则三维曲面,能够保证较好的匹配速度.     

曲率共生矩阵识别三维目标

对于形状区别不大的目标,传统的矩不变量、傅里叶描述子等方法的描述能力受到一些限制.利用曲率信息来表达曲面的固有特征,引入纹理识别中共生矩阵的思想,将共生矩阵的定义从灰度延伸到曲率,构造出曲率共生矩阵.通过对曲率共生矩阵的归一化,设计了一类与平移、尺度和旋转变换无关的不变量.实验表明,基于曲率共生矩阵的三维目标识别方法,和传统方法相比,在不增加运算时间的情况下,能够更好地对形状丰富的目标进行分类.     

微分几何编码识别物体的形状

为更好地识别目标形状,编码方法需要对目标的刚体变换具有不变性,同时最大限度保持目标的原有信息。鉴于刚体平面曲线作变换时其曲率的不变性,提出了基于轮廓曲率提取的目标边界编码方法,并对此方法实施了离散化处理。提出了基于改进的KMP算法（D.K.Knuth,V.R.Pratt和J．H．Morris）的曲线匹配方法,并对目标轮廓的重建作了描述。实验证明,利用微分几何的思想描述目标边界,提取方法简单,存储量小,其编码针对目标刚体变换具有不变性,为识别提供了较大的方便。     

面向个性化网站的增量协同过滤推荐方法

为了解决个性化网站中很少考虑用户检索意图，检索效果较差的问题，提出了一种有效的增量协同过滤推荐方法。该增量协同过滤推荐模型改进了最流行的推荐算法之一的协同过滤算法，并应用到个性化网站中。通过分析Web日志提取用户的浏览行为，将其归一化为用户对项目的评分值，并利用改进的相似度计算方法得到用户之间的相似度值，从中选择能够表现用户偏好的最近邻集合进行评分预测后对结果排序，将排序后的结果作为推荐列表返回给用户。最后设计增量更新算法实时有效地更新用户的历史偏好数据。实验表明，增量协同过滤推荐模型适用于个性化网站，利用该方法可以使推荐结果更加符合用户意图。