一种基于任务行为的云计算访问控制模型

针对云计算的特点和安全需求对比分析当前流行的访问控制技术,以基于行为的访问控制和基于任务的访问控制模型的为参考,提出了一种基于任务行为的访问控制模型TABAC（Task－Action－Based Access Control Model）,实现基于行为的访问控制模型和工作流的有机结合。经过安全分析,该模型不仅能实现安全的访问控制,而且适应云计算环境动态性、异构性的特点。通过特征比较,表明该模型具有较好地实用性,较好地实现了当前云环境的安全需求。     

基于图像分割的驾驶员分心行为识别研究

针对驾驶员分心行为对交通安全产生隐患的问题,提出一种结合图像分割与卷积神经网络的驾驶员分心行为检测方法。该方法通过使用图像分割处理后的驾驶员不同分心行为的图像对卷积网络结构模型进行训练,来减轻背景噪声的影响,以提高模型的识别性能。试验中使用未经分割的图像与经过前景分割后图像分别训练卷积神经网络模型,用分割后图像训练的模型识别的准确率达到了93.84%,高于使用原图像训练的模型。试验结果表明,结合图像分割和深度学习的驾驶员分心行为检测方法对驾驶员的分心行为有较好的检测效果。     

基于Flash技术的手势输入模型

用Action Script 3.0建立了手势输入模型.详细分析了手势图像获取、图像差值混合技术运用、运动区域分析、控制信号产生及输出过程.讨论了为保证控制信号可靠性而采取的一系列措施.     

人体行为识别特征提取方法综述

行为识别的过程很大程度上可以看作特征提取与分类器相结合,故特征提取方法的优劣直接影响最终识 别效果。与静态图像物体识别相比,视频中人体行为识别特征提取更易受到动态背景、采集设备运动、视角和 光照等因素影响人体,从而对研究人员的工作提出了很大挑战。为此,综合了近几年对行为识别特征提取系 统分类和不同类型行为识别特征提取方法以及常用行为识别数据库等领域研究的最新进展,探讨了目前研究 难点,阐述了与未来可能的研究发展方向。     

基于本体几何特征分析的产品制造行为推理

将本体理论应用于产品制造行为建模和推理中.通过分析零件的加工面邻接图,逐个提取产品的几何特征,从而形成制造行为的静态本体模型;以无向图的布尔运算和本体建模理论作为基础,分析零件的加工进刀方向,对静态本体模型中的特征归纳优化,形成可供分析的几何本体的过程序列模型.     

随机动态交通网络中的停车行为

传统的静态确定型停车行为模型忽略了网络的时变性和随机性.基于道路供给和交通需求的不确定性,研究了随机动态交通网络中出行者的停车行为,建立了供需相互作用下的不动点拟动态停车行为模型,设计了基于Monte Carlo模拟方法的算法来求解该模型.算例结果表明,该模型能有效地模拟人们的停车选择行为.这一研究有助于加深对旅行行为的理解和透析交通行为的本质,为正确评价停车政策和合理规划停车系统提供了策略.     

照相馆的故事——利用PHOTOSHOP的动作功能排版相片

“动作”(Action)是Photoshop中非常重要的一个功能,它可以详细记录处理图像的全过程,并且可以在其他的图像中使用,这对于需要进行相同处理的图像是非常方便、快速的。利用Photoshop的动作命令和批处理命令就可轻松完成相片烦琐的处理和排版问题。     

一种基于传感器的Android应用行为分析技术

大多数针对恶意软件识别的研究都是基于应用程序接口(Application Program Interface,API)调用来实现的,但是目前基于API的研究大都没有考虑到设备的状态,设备状态能够直接体现程序运行的外部环境,这对分析应用的行为有着重要作用。本文提出一种基于传感器的应用行为识别技术,首先,通过传感器数据来判断设备实时状态;然后,结合API调用时序和图形用户界面(Graphic User Interface,GUI)首屏时序产生的多元时序数据,设计算法识别应用行为的恶意性;最后,设计实现包括静态打桩、动态行为监控和传感器实时状态采集的恶意行为分析原型系统,选取典型案例验证了本文提出方法的准确性,并通过黑盒测试验证了本文恶意应用识别方法的有效性。     

基于Markov链模型的Android平台恶意APP检测研究

目前Android手机上恶意APP安全检测方法大致分为两种,静态检测和动态检测.静态检测利用逆向分解手机安装文件,对APP安装文件进行分解,提取其代码特征和正常应用样本数据库中样本进行对比,判定APP是否存在恶意行为.动态监测基于对系统信息和应用行为的监控结果来判断APP是否为恶意应用.静态方法由于样本库规模的的限制很难检测病毒变种和新型病毒,动态检测需要事实监控系统行为,占用大量手机资源并且检测识别率不高.本文以Markov链模型为基础结合了动态监控应用行为和用户行为的方法得出的Android平台恶意APP检测方法.最后结合静态检测对apk文件进行分析,以增加动态监控方法的准确性.     

内隐安全行为干预模型机理研究

为降低人失误事故发生的概率,以行为安全管理元模型为理论依据,针对安全信息、安全心理、安全人性、安全文化这4个主要影响因素,提出内隐安全行为干预模型,在模型的基础上以"安全需要—安全动机—安全认知(安全知识、安全意识、安全态度)—安全意愿—安全行为"为关键节点分析人的内隐安全行为形成过程。结果表明:从内隐行为角度去理解和研究事故预防是研究行为安全管理的新趋势,所建模型为分析更深层次的人因事故与加强行为安全管理提供了一种新的思路和方法。     

电压门控钠离子通道:律动生命乐章的主音符

生命个体传递神经冲动时扩布的电位变化过程以动作电位发放形式为特质表征.电压门控钠离子通道 (voltage-gated sodium channels,VGSCs)是形成动作电位的核心蛋白构件,在细胞的电兴奋产生和律动中起主角作用.VGSCs决定神经元细胞的兴奋性以及从突触输入到轴突输出的信号传导过程.VGSCs也是众...     

基于粒子滤波的行为识别方法

行为识别是图像处理的一个热点问题。一些研究表明在监督学习的框架下,通过提取时空兴趣点（Spatial-temporal interest points）能较好地识别人体的行为。由于兴趣点中包含与人体行为无关的噪声点,为了改进兴趣点的提取,提出了一种基于人体骨架的改进方法。该方法通过粒子滤波（Particle filter）算法改进人体骨架的精度,而改进后的人体骨架,能得到更有效的兴趣点。通过在“Weizmann”,“KTH”数据集的测试,实验结果表明,该算法不仅能够提高人体行为的识别,而且能够改进人体骨架的精确度。     

基于轻量化二维人体姿态估计的小样本动作识别算法

动作识别是近年来时序数据挖掘领域的研究热点,具有广泛的应用前景。但是现阶段基于深度学习的动作识别算法需要大量的标记训练数据集,存在泛化性差、实时性差、场景受限的问题。为解决这些问题,本研究设计一种基于轻量化二维人体姿态估计的小样本动作识别算法。该算法基于YOLOv5算法构建轻量化的人体检测器HYOLOv5。基于轻量化二维姿态估计模型Lite-HRNet设计人体姿态特征描述算子,有效地去除背景对人体动作特征的干扰。为有效度量时序人体姿态特征描述算子间的相似度,本研究提出基于动态时间规整的人体姿态特征距离度量,并在此基础上设计基于类别中心选择的动作模板匹配算法。该算法通过少量的动作视频构建动作特征模板库,利用动作模板匹配算法可实现多类动作视频的精准识别。为验证算法,本研究在COCO 2017的Humans数据集上对HYOLOv5进行测试,人体检测识别精度mAP@0.5∶0.95可达50.7%。基于10种动作视频数据进行测试,结果表明,本研究所提算法可有效地识别视频序列中的姿态,在每个动作仅包含4个训练数据的情况下,动作识别准确率均可达到91.8%。     

运动单元动作电位的计算机仿真研究

建立肌电信号模型,并进行计算机仿真研究,是研究从复杂肌电信号中提取特征参数新算法性能的基础,利用一种有效的肌电信号模型,对正常运动单元,纤维缺损单元和缺损后恢复3种情况下的单元动作电位进行了计算机仿真研究,通过比较单极和双极针电极时单元动作电位的时域和频域特征,解释了单元动作电位产生的机理,得到了表征单元动作电位的敏感特征参数。     

奥运通勤线路公交调度问题研究

奥运通勤线路上的人员调度问题可以归结为公交人员调度问题,解决公交人员调度通常采用"生成与选择"模式,此种模式具有的局限性使之不能满足解决奥运特色通勤线路上人员调度的要求.针对多条运营线路的奥运特色通勤线路人员调度问题,给出了奥运特色通勤线路人员调度问题的改进模型,模型的目标是在满足工作时间、就餐时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小.本文对已有蚁群算法解决车辆路径优化问题的算法进行了改进.对算法中相应的转移规则和轨迹更新规则进行了重新设定,改进了算法转移策略和信息素更新策略.给出了算法的实现步骤.通过仿真,对模型的正确性进行了验证.证明了改进蚁群算法解决奥运特色通勤线路人员调度问题的高效性和较强的适用性.     

基于双流多关系GCNs的骨架动作识别方法

基于图卷积网络(graph convolutional networks,GCNs)的骨架动作识别方法只能对关节点间的单一关系进行建模,缺少描述多种关系的能力.借鉴知识图谱描述实体之间不同关系的思想,提出一种基于关节点流和肢体流的双流多关系GCNs人体骨架动作识别方法,对图结点间的自然连接关系、对称关系和全局关系进行建模,各种特征在网络中同步传输并有效融合.运动的全身协作过程中,每个部位的交互范围有限且依赖于具体动作,提出基于Non-local机制的topK全局邻接关系自适应计算方法,为每个结点动态选择交互强度较大的前K个结点作为全局关系邻接点.实验结果表明,所提出的双流多关系网络在Kinetics和NTU-RGB+D数据集上取得了较好的动作识别效果.     

肌纤维细胞内动作电位建模的研究

介绍一种肌纤维细胞内动作电位(IAP)的建模方法．该方法将IAP波看作两部分之和，一部分对应于动作电位激励波的波峰，另一部分对应于动作电位的后电位，并用两个简单的解析函数分别表示它们．模型的特点是，模型中描述波峰和后电位相对幅度的参数，对应于与激励波波峰有关的跨膜电流的中心矩，而且，这些参数可以由窭验测量的IAP或运动单位动作电位(MUAP)反向估计确定．     

一种基于空 时快速鲁棒特征的视频词汇的人行为识别方法

提出了一种空 时快速鲁棒特征（SURF）描述子,并且结合视频词汇概念,应用于人行为识别.这种新的描述子在行为识别应用中能很好地体现视频的时空本质,通过词袋（Bag of Words）模型来表征视频,且在表征过程使用了非硬性权重.实验以瑞典皇家理工学院的行为识别数据集作为测试对象,使用了相关领域传统的分类策略,同时引入了包含二次判断的投票系统.实验结果证明,结合特征描述子和视频词汇的行为识别框架在速度和准确率上均优于已有的一些方法,同时该分类策略在某些行为类型上优于传统的分类方法,能有效地应用于行为识别领域.     

融合全局与局部特征的UWB雷达人体动作识别算法

为了消除雷达信号中杂波和噪声对人体动作识别的干扰,提高小样本数据下动作识别的精度,在去除杂波及噪声干扰的基础上,提出一种融合全局与局部特征的超宽带（ultra-wideband,UWB）雷达人体动作识别算法。用动目标指示（moving target indication,MTI）结合自适应中值滤波对雷达原始回波信号进行预处理,再对人体动作的雷达二维特征图像利用主成分分析（principal component analysis,PCA）提取主要分量作为全局特征表征,并用二维离散小波变换（2D discrete wavelet transform,2D-DWT）结合奇异值分解（singular value decomposition,SVD）获取特征图像在不同方向与尺度划分下动作的局部特征表征,并将全局与局部特征进行串联融合;根据融合特征,在网格搜索算法（grid search,GS）优化的支持向量机（support vector machines,SVM）模型中实现人体动作的识别分类。实验结果表明,该算法能有效获取雷达信号中的人体动作信息,平均识别准确率为95.63%,具有良好的识别性能。     

The Differences betwnne Action Research and the Traditionl Educational Research

Action research is a method for the combination of teaching and research.Due to its operativeness the method is paid more and more attention.The paper expounds the difference between action research and traditional teaching research,and aims to suggest that the former is an important avenue for professional development.