基于三轴线性插补的的裁剪跟随方法

针对多层自动裁床片式裁刀的运动控制,提出了一种新型的裁刀跟随算法,通过普通运动控制器的三轴线性插补功能来实现任意二维曲线的插补跟随。先将曲线按照精度要求离散为直线段,然后将裁片轨迹划分为若干直线组成的节段,以刀片围绕刀尖点的旋转运动实现节段内直线间的转接。该算法重点考虑刀具形状参数的影响,过剪量可控。误差分析和实验表明,该算法有效可行。与已有的技术相比,具有插补跟随精度高,实现成本低的特点。     

免疫系统的主组织相容复杂性及其应用

在模拟免疫系统的主组织相容复杂性的基础上,结合模糊逻辑与扩展阴性选择算法提出了一个基于免疫系统主组织相容复杂性的模糊逻辑综合决策算法,并用该算法构建了一个实际的基于网络的入侵检测系统。该算法应用高效的扩展阴性选择算法作出第一次网络流量检测,当网络数据异常特征明显时,能直接检测出入侵。若其不能准确地识别待分析数据,则利用具有检测结果准确优势的规则匹配算法作出二次检测,最后结合两次检测结论用模糊逻辑决策模型做出综合决策。     

基于GPU的平滑地形可视化算法

提出了一种基于GPU的平滑地形可视化算法,侧重于解决地形可视化方法面临的时间连续性和空间连续性问题。算法采用了规则地形块的批LOD可视化方法。基于平滑过渡的思想,考虑了地形块相邻层次间的过渡和相邻的不同地形块间的边界匹配关系,以地形块的区域划分为基础,为每个顶点实时分配相应的过渡权值,在地形块的绘制过程中同时完成了不同LOD层次以及不同地形块间的平滑过渡,实现了整个地形的平滑可视化。面向GPU的算法设计与实现保证了其执行效率。针对典型数据集,该算法能够以较高的帧率完成大规模地形的实时平滑漫游,避免可视化过程中的裂缝和突跳等不连续现象。     

采用自适应GHA神经网络的分类器设计

介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。     

采用图像滤波的多特征JPEG盲检测

提出了一种采用锐化滤波的多种特征相结合的JPEG盲检测算法。通过扩展DCT系数的马尔可夫矩阵提取块内相关性和块间相关性;引入锐化滤波来增强图像的边缘,加强了分块特性度量的效果;并使用Jessica的校准技术来估计原始图像,得到两个图像特征向量之差作为分类特征,提高了特征的敏感度;最后运用支持向量机进行训练和分类。使用大量图像对该算法的性能进行测试和比较,结果表明该算法在低嵌入率下优于其他算法。     

基于公共词块及N-gram模型的问句相似度算法

问句相似度算法是问答系统的核心问题,直接影响着问答系统的准确性。针对公共词块算法(CCS)对于中文文本的不适用性,提出一种改进的问句相似度算法(CNS)。该方法结合N-gram模型及公共词块来计算问句向量的相似度,其主要思路是把问句分解成一元模型和二元模型,然后再分析问句之间的公共词块并考虑其顺序结构。实验结果表明:新算法在Top-N条数据集的平均相似度和不同相似度阈值下的准确率均优于常用的问句相似度算法。     

一种基于信用的综合蠕虫检测算法

提出一种基于信用的综合蠕虫检测算法(CBCWD)。首先,通过检测对比实验对连接成功概率参数进行优化设定;其次,在对基于信用的连接率限制算法响应策略进行了重新设计,以此为基础对该算法的响应处理过程进行了改进。在上述研究基础上,设计一种基于信用的综合蠕虫检测算法。该算法通过监测网络流量信息,对监测事件执行响应策略,通过攻击条件判定和综合分析得出检测结果。采用NUST 2011开放数据集进行5种不同频率的攻击检测对比实验,实验结果表明该算法具有更高的检测率和更低的误报率。     

和差波束直接数据域处理动目标检测方法研究

研究了和差波束直接数据域处理(∑△-DDD)动目标检测的算法和杂波抑制机理,提出了对DDD处理后数据进一步进行相干积累,补偿信号滤除引起的孔径损失,同时利用非检测多普勒单元输出信号采用单元平均CFAR算法来检测动目标.仿真实验表明,改进算法进一步提高了改善因子,同时有效解决了∑△-DDD算法的检测门限确定问题.该算法无需计算杂波协方差矩阵,运算量小,易于工程实时处理.     

家庭字画巧护理

家中的字画作品因长期悬挂或保管不当,常会形成污损,倘若问题不大,这时可以照以下方法,分别进行处理:一、霉斑的清除。对轻微的霉斑,可直接用棉球蘸上氨水或酒精轻轻擦拭,直至除净为止。二、昆虫便污的处理。可用棉球蘸上醋液或酒精,将污点轻轻擦掉。     

一种多优先级三线制赛道检测判断算法

本文提出了一种新的多优先级三线制赛道数据检测判断算法．该算法利用摄像头采集到的实际赛道数据，利用不同的检测优先级以三线方式对赛道进行分段检测，同时完成对赛道前瞻，车头位置以及航迹路径的检测．该方法占用系统资源极少，计算简单，有非常高的响应速度和判断稳定性．在实际比赛过程中起到了重要作用．     

核偏最小二乘算法的图像超分辨率算法

提出了基于核偏最小二乘算法(KPLS)回归的超分辨率复原算法。该算法首先将高低分辨率图像块的高频信息和中频信息作为建立回归关系的特征,并对图像进行分块;依据相应的高低分辨率图像块的关系,使用KPLS建立起回归模型;在复原时,依据该模型回归得到高分辨率的图像块,将图像块拼接为高分辨率的图像。通过对人脸图像和车牌图像的实验结果,表明该算法无论是对人脸图像还是车牌图像都能取得较好的复原效果。     

用于异常检测的单级免疫学习算法

基于对多级免疫学习算法(M ILA)的批评性研究,提出了单级免疫学习算法(SILA)。该算法适用于低维度特征量的异常检测,提高了探测器训练的效率和效益,而且对M ackey-G lass时间序列数据的检测取得了很好的实验结果。     

切线趋近法计算直线和线路平行线交点坐标

提出了利用切线趋近法计算直线和线路平行线交点坐标的方法，不仅适用缓和曲线段、卵形曲线段、复合形曲线段，而且也使用于直线段和圆曲线段，容易在CASIO-4500P或CASIO-4800计算器上编程，通过算例验证该方法收敛较快，施工现场测量作业人员容易掌握。     

基于深度学习的多车道交通流量统计方法

基于目标跟踪的视频道路交通流量采集普遍存在不同程度的漏检、错检和多检等问题,为此,提出了一种综合车辆位置信息与外观信息及环境空间信息的道路交通流量采集方法。首先,识别视频帧中的车辆信息(包括车辆车型数据与位置数据等);然后,综合考虑车辆信息和环境空间信息进行车辆跟踪;最后,对跟踪结果进行统计,从而得到道路交通流量。采用多段交通视频作为测试数据,分别测试了本文算法和SORT算法。测试结果表明,本文算法检测的道路交通量平均误差较SORT算法降低了约4%。提出的基于视频交通流量检测方法具有更好的检测效果。     

基于连续小线段曲率连续全局光顺算法

小线段所描述的曲线轨迹在相邻线段的转角处,由于在切线方向会发生突变,曲率也不连续,从而导致了刀具加工中,在通过转角处时会发生速度波动和加速度突变。笔者提出一种基于三次B样条插值拟合的连续小线段路径全局光顺算法,对满足转角和弓高误差约束的连续小线段进行插值拟合,使拟合刀具路径达到G2连续,从而有效提高进给速度,改善加工质量,提高加工效率。最后通过仿真实验验证了本文中算法是有效的。     

改进Mask R-CNN算法在低光道路环境下行人检测研究

针对目标检测算法在低光条件下检测性能下降的问题,以Mask R-CNN目标检测算法为基础,将提出的图像融合模块(MSRCR-IF)引入该目标检测网络中,同时为了更好地利用特征信息,改进了特征金字塔网络,并通过调整区域提交网络以及去除实例分割分支的方式,减少检测目标所花费的时间。实验结果显示:在COCO2017数据集下提出的算法优于其他主流算法,同时在自行构建的低光道路行人数据集下达到了75.05%的平均检测精度,比改进前提高了4.66%。为了验证改进算法的有效性,进行了实车数据测试,结果显示:改进方法能有效提高低光条件下行人检测效果。     

神经网络算法在智能体IDS系统中的应用

结合网络入侵和主机入侵方面的检测能力,构建了基于智能体的分布式入侵检测系统的体系结构模型。重点讨论了神经网络入侵检测算法。针对传统的BP网络在入侵检测应用中学习收敛时间和性能上的不足,提出了变速度回归神经网络(采用了批处理技术和动量方法)检测算法,通过对网络数据集的测试表明,该算法较传统BP网络,其学习训练次数大大降低,学习能力显著提高。     

基于视觉的印刷品缺陷检测技术

为满足印刷品缺陷检测的准确度需求,设计了一种基于计算机视觉的分布式检测系统。该系统主要包括图像采集模块、图像处理模块、输入输出模块。研究了图像预处理、特征提取、图像配准、图像匹配和缺陷检测的相关算法。实验数据表明:该系统和采用的图像算法能精确计算缺陷的各项特征参数并判断类型,达到了印刷品缺陷检测的要求。     

作证豁免制度研究

“污点证人”作证豁免制度的性质是司法机关的权力 ,而不是证人的权利或特权 ,其与证人的拒证特权之间有着本质的区别。该制度有利于更好地查明案件事实真相 ,维护社会正义 ,实现司法资源的合理配置。我国应当在借鉴其他国家做法的基础上 ,建立“污点证人”作证豁免制度。     

基于主成分分析和概率神经网络的入侵检测方法

针对神经网络在入侵检测的应用中存在入侵数据冗余信息多,数据量大,训练时间长,易陷入局部最优等问题,提出了一种基于主成分分析(PCA)和概率神经网络(PNN)的入侵检测方法。首先使用PCA对数据进行特征降维,解决了入侵数据冗余信息多的问题;然后使用PNN建立入侵检测模型;其次,使用粒子群算法(PSO)解决概率神经网络参数的优化问题;最后使用KDD99数据集对该模型进行测试。实验结果表明:该方法能够有效提高检测的效果,而且检测速度明显提高。