基于小波的图像隐藏方法在信息安全中的应用

随着信息时代的到来,互联网和多媒体技术迅猛发展,数字多媒体信息在网上传播越来越便捷,同时也带来了信息安全的隐患问题。小波变换具有良好的时频特性且小波的多分辨分析与人眼视觉特性是一致的。在小波域对图像进行分解,可以根据HVS特性更好地隐藏信息,解决信息安全的问题。     

多级自组织映射用于心电信号QRS波群聚类

提出了一种利用多级自组织映射(MSOM)网络进行心电QRS波群聚类的算法。此方法将归一化的两导联心电数据作为第一层自组织映射网络的输入,其输出作为第二层自组织映射的输入,最后得到聚类结果。网络迭代学习过程采用了特殊的设计,能根据不同类别自适应调整学习参数,从而提高了自组织映射的聚类能力。使用MIT-BIH数据库数据的聚类结果表明,这种方法非常适合心电QRS波群的聚类,对室性早搏(PVC)真阳性检出率达到99.1%,且聚类效率比ART-2网络方法、匹配方法有明显优势。     

一类非线性规划问题的等价性证明

给出了非线性规划问题中目标函数单调变换前后的一个等价性证明.     

基于ATCA技术的IPTV系统

IPTV技术有效的把计算机，通信和电视领域结合在了一起，提供了视听，信息，通信，互动游戏，远程教育等多种业务。而高可信的电信架构ATCA正是为这样一种高要求的体系提供了一个可靠的平台。本文除了对这两种技术做详细介绍，还提供了B—STAR的IPTV系统实例。     

（BN）n及SiB（n-1）Nn（n=2-11）稳定结构的研究

利用遗传算法及Gastreich提出的经验势函数,研究了（BN）n（n=2-11）和SiBn-1Nn（n=2-11）团簇的可能稳定结构,对能量较低的异构体在HF/STO-3G水平进行优化,得到了（BN）n（n=2-11）和SiBn-1Nn（n=2-11）团簇稳定结构单环及线状结构,并进一步分析了单环的结构特征及相对稳定性。     

关于参数方程中参数的选取

一条曲线是具有某些特征的点的轨迹,在直角坐标系(或极坐标系)中,当一点的坐标(x,y)(或!,")都是同一个变数t的函数时,如果对于t的每一个允许值,方程所确定的点都在某一条曲线上,同时这条曲线上的任意一点的坐标都可以由t的某一个允许值通过方程得到。那么这个方程就叫做曲线的参数方程。     

逻辑函数化简的一种新思路

本文探讨逻辑函数化简的一种新方法。本方法依据函数项相互衍生的特点建立函数项相互连接与涵盖关系来进行筛选。其优点是使化简思路明确,化简工作量减少,特别是对于变量数较多的逻辑函数的化简更呈现其优越性。     

一种基于段的基音检测算法

作为语音信号处理领域一项基本、关键的技术,基音检测在语音信号处理中扮演着重要的角色,一直是语音信号处理的一个研究热点.首先对传统的基于短时自相关函数法的基音检测进行了研究;在此基础上提出了一种能同时检测一段语音信号基音周期的方法,有效地克服了传统基音检测算法只能检测一帧语音信号基音的缺点.进行了实验仿真,结果表明通过去野点,中值平滑等后处理的基于段的基音检测算法比传统的基于帧的基音检测算法具有更好的抗噪性.     

合成N,N,N'''',N''''-四(2-甲酯基乙基)乙二胺的绿色工艺研究

为了解决合成聚酰胺-胺时回收液处理复杂、能耗大、并污染环境的问题,以合成N,N,N',N'-四(2-甲酯基乙基)乙二胺(TMCEDA)为研究对象,对不同真空度条件下的回收液进行了定性定量分析,在此基础上,采用分段减压蒸馏分离合成TMCEDA中的过量原料与溶剂,直接循环使用真空度在50 kPa-100 kPa的回收液的新工艺.应用气相色谱分析技术跟踪分析循环使用的回收液的成分,结果表明,经过40次循环使用的回收液,仍未见明显的杂质积累现象.该工艺对回收液的直接使用率高达98.0%,实现了TMCEDA的实验室绿色合成,可为其工业化生产提供参考.图7,表2,参11.     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.