采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。     

PVD图像隐写算法的安全分析及改进

PVD(pixel-value differencing,像素差值)隐写算法具有嵌入容量高和不可见性好的优点。但原始的PVD算法容易受到直方图分析的攻击。为提高安全性而提出的修正算法,仍然存在不足。基于对原始和修正PVD算法的分析,提出了PVD改进算法,在保持PVD算法优点的同时,提高了掩密图像的PSNR值,并增强了PVD算法抵御差分直方图分析攻击的能力。     

基于样本重要性原理的KNN文本分类算法

KNN是重要数据挖掘算法之一,具有良好的文本分类性能.传统的KNN方法对所有样本权重看作相同,而忽略了不同样本对于分类贡献的不同.为了解决该个问题,提出了一种样本重要性原理,并在此基础上构造KNN分类器.应用随机游走算法识别类边界点,并计算出每个样本点的边界值,生成每个样本点的重要性得分,将样本重要性与KNN方法融合形成一种新的分类模型——SI-KNN.在中英文文本语料上的实验表明:改进的SI-KNN分类模型相比于传统的KNN方法有一定的提高.     

一种基于室内PC机传输的智能户外电子图文屏设计

介绍了一种利用PC机和单片机的串行口通信功能实现对LED大屏幕进行控制的系统。     

不均衡数据集中KNN分类器样本裁剪算法

针对KNN算法在分类时的样本相似度计算开销大,在处理不均衡数据集时少数类分类误差大的问题,提出一种在不均衡数据集下基于密度的训练样本裁剪算法。对训练样本的各个样本类进行聚类,删除噪声数据并计算每个样本类的平均相似度和样本平均密度,以此获得样本类裁剪的相似度阈值,然后将样本类内相似度小于类相似度阈值的样本进行合并,减少训练样本总数。实验表明,此样本裁剪算法能够在保持KNN算法分类性能基本稳定的前提下,有效地减少分类计算开销,并能在一定程度上提高少数类的分类性能。     

基于EAST改进的任意方向场景文本检测

高效和准确的场景文本(efficient and accuracy scene text,EAST)检测算法速度快且结构简单,但是由于文本结构的特殊性,导致在检测中尺寸较小的文本会被遗漏,而较长的文本则完整性较差.针对EAST算法存在的问题提出一种新的自然场景文本检测模型.该方法利用自动架构搜索的特征金字塔网络(neural architecture search feature pyramid network,NAS-FPN)设计搜索空间,覆盖所有可能的跨尺度连接提取自然场景图像特征.针对输出层进行修改,一方面通过广义交并比(generalized intersection over union,GIOU)作为指标提升边界框的回归效果;另一方面通过对损失函数进行修改解决类别失衡问题.输出场景图像中任意方向的文本区域检测框.该方法在ICDAR2013和ICDAR2015数据集上都取得了较好的检测结果,与其他文本检测方法相比,检测效果也得到了明显提升.     

说明文阅读推理研究综述

阅读推理是指读者推测出语篇中没有明确呈现的事件、关系等过程,说明文阅读中的推理成为近年来学者们讨论的热点。本文从三个方面对说明文中的阅读推理的研究进行了总结、回顾和探讨:(1)读者在阅读说明文的过程中是否会产生推理;(2)说明文推理和记叙文推理的区别;(3)说明文阅读推理的影响因素。     

基于文本分类的标准文献内容比对模型研究

在分析标准文献结构和文本分类的基础上,提出基于文本分类的标准文献内容比对模型,实现标准文献内容的快速提取和自动分类,支持相关技术人员和企业轻松快捷地实现标准比对工作,为标准文献比对工作的可持续发展提供方法和策略。     

英汉翻译中的视点转换

视点转换指重组原语信息曲表层形式，从与原语不同甚至相反的角度来传达同样的信息，使译文在结构上、语义上做出的相对于原文的调整。视点转换内涵丰富、覆盖面广，可用来解释习惯称为“意译”的许多现象，由于英汉两种语言和文化的巨大差异，研究视点转换对英汉对比、英语教学会有所启示。     

基于潜在语义分析的中文文本聚类方法研究

针对传统的向量空间模型在文本聚类中的局限性,提出了基于潜在语义分析模型的中文文本聚类系统,并引入WinSTAR作为聚类分析工具,用一个中文文本集作为实例进行验证。实验证明,该方法切实有效,可以提高文本聚类的准确度。