弹性分组多环网络的可靠性分析

弹性分组环(RPR)多环网络缺乏可靠性模型及相应分析,使得多环网络的设计参数很难选取,为设计高可靠性网络带来困难。该文提出了RPR多环网络的可靠性模型,利用概率理论分析提出了弹性分组环多环网络的可靠性函数以及平均失效时间函数。结果表明影响多环网络可靠性的主要参数是子环节点数分布,并且利用Lagrange乘数法证明了多环网络在子环节点分布均匀时可靠性达到最优;因此设计节点均匀分布的多环网络可以大幅度提高网络的可靠性,为设计高可靠性多环网络提供了理论依据。     

一种基于超混沌的水印算法

提出了一种基于超混沌的小波域数字图像水印算法.首先利用改进的Arnold变换,对二值原始水印图像进行置乱,再产生一超混沌序列对其加密,然后将水印信息嵌入原始图像小波域的低频系数,使得水印方案具有双重安全性.实验结果表明,该算法对JPEG压缩、图像加噪、剪切等攻击方式具有较强的鲁棒性,并且实现了盲检.     

基于小波分析的水稻蛋白OsPCBP的Hurst指数的提取

用DNA walk方式将水稻蛋白OsPCBP的DNA序列映射为相应的数字信号,并利用小波变换提取其Hurst指数.结果分析表明,在OsPCBP的DNA序列中存在长程相关性.     

自适应鲁棒公开水印算法的设计

为了体现水印图像鲁棒性和不可见性的统一,在相同的水印质量条件下,对常规的图像处理和噪声干扰具有更好的鲁棒性。文章在研究小波变换、奇异值分解的基础上,提出了一种鲁棒自适应的水印算法,实验测试表明,此算法对JPEG有损压缩、中值滤波、亚抽样、低通滤波等各种的图像降级处理有很强的稳健性。     

基于共空间模式和K近邻分类器的脑-机接口信号分类方法

脑-机接口是指在人脑和计算机之间建立的直接的交流和控制通道,它以脑电信号的形式反映人的意识,并转换成控制信号.针对两类运动想象脑电信号的分类问题,提出共空间模式和小波包分解相结合的脑电信号特征提取方法.利用不同小波包对训练集的多路脑电信号进行分解,再用共空间模式算法对不同分解层子带的脑电信号进行特征提取,并采用K近邻分类器对提取到的不同特征进行分类,得到最优小波包函数和小波包子带参数.将结果应用于测试集数据的分类.仿真实验结果表明,选择db4小波包函数和4层小波包分解层,对8个特征点进行分类,可以得到高达96%的正确率.     

基于混合特征和支持向量机的抽油杆缺陷识别

为了提高抽油杆的缺陷识别率,将小波包能量特征和时域峰峰值特征组成的混合特征向量和基于小样本的支持向量机法应用于抽油杆的缺陷识别中.应用基于类距离的可分离性判据,证明了混合特征比单一小波包能量特征的可分离性强,在一定程度上可提高抽油杆缺陷识别的有效性;同时应用大量的数据和一对一分类的支持向量机进行抽油杆缺陷模式识别.其识别结果表明,混合特征具有比单一小波包能量特征更好的分离性,识别缺陷的泛化误差小,提高了抽油杆的缺陷识别率.     

一种改进的CT胸部图像肺组织分割方法

为了对病变肺部图像进行准确分割,对通常的肺组织分割算法进行了分析和改进,将小波变换与数学形态学引入肺分割算法.通过小波变换对图像进行分解,再运用数学形态学对分解后的各个分量执行不同的修补方法:对低频分量作形态学闭运算,对高频分量作形态学开运算;从而在适当的尺度修正图像的基本特征而不影响细节特征,在重构之后获得理想的肺区域.利用改进后的算法,对医院的36组临床HRCT数据进行分割,并与手工分割结果和通常算法的分割结果进行了比较.结果表明,该方法分割结果准确,能有效提高肺组织分割的平均敏感性.     

基于快速小波变换和FLD的人脸识别算法

针对快速性和识别率要求较高的人脸识别应用场合,提出了一种基于快速小波变换(FWT)和Fisher线性鉴别(FLD)的人脸识别算法.首先用Haar小波对标准人脸图像分别进行1尺度和2尺度分解,然后用Fisher线性鉴别法对原始图像、1尺度和2尺度分解图像提取特征,最后利用最近邻法对提取到的特征进行识别.利用ORL标准人脸图像库对算法进行了仿真,结果表明,此算法取得了较快的识别速度和较高的识别率.     

基于丢包率预测的多路径网络负载均衡策略

为了弥补传统多路径网络负载均衡策略在网络状态改变前无法预先提供相应预测信息的不足,提出了一种基于预测多路径丢包率的负载均衡策略.该策略以主动测量获取的每条路径的丢包率为观察值,采用确定型时间序列预测为预测手段,利用预测的丢包率作为负载分配的依据.此外,在负载均衡的调节中,提出了利用丢包率作为每条路径流量分配比例的惩罚函数,将流量引入丢包率低的路径.分析及仿真结果证明,该策略能有效地均衡负载,减少网络的丢包率.     

一种改进的基于Gabor小波的指纹增强算法

鉴于当前的利用Gabor小波对指纹进行增强的方法中滤波范围固定的缺点,提出了一种改进指纹增强方法.对Gabor小波的性质和指纹图像的内在特点做了深入的分析,确定Gabor小波的方向和频率参数,并设定了一个可以根据局部纹路方向和频率自动调整的区域作为滤波范围对指纹图像进行增强.实验结果表明,该方法可以有效地去除噪音,并且很好地恢复出纹路信息以增加指纹匹配后续操作的准确度.