RSA算法在ATMC平台中的应用

研究了ATMC中的数据加密、RSA加密算法、数字签名方案和安全散列算法（SHA）的原理,并在其理论的基础上,针对ATMC平台中3DES密钥管理的薄弱环节,设计了在ATMC平台中的应用程序．希望能有效地管理密钥,减少银行内部在ATM安装中的安全隐患问题,保证网络数据的安全性．即便在以后的ATM维护中,也能够方便地导入密钥,有效地解决了密钥的安全问题．     

大型数控机床床身的振动时效处理

材料的应力应变特性角度和位错理论的微观角度分析了大型数控机床床身振动时效的机理;针对大型数控机床床身的特点,确定了振动时效的工艺方案,进行了振动时效的生产应用.振动时效的结果表明:振动时效能有效地消除和均化机床床身的残余应力,缩短机床床身的制造时间,解决大型数控机床床身制造过程的变形问题,稳定大型数控机床床身的尺寸及精度.     

基于数据流多维特征的移动流量识别方法研究

随着移动互联网的快速发展,移动设备的数量激增至历史新高.从大量混杂流量中识别出移动流量并对流量进行分析,是深入研究移动互联网特性的第一步,同时可以为移动网络测量与管理、移动安全和隐私保护提供有价值的信息.本文综合整理了网络流量识别的常见方法,提出了基于数据流多维统计特征的移动流量识别方法.该方法从硬件特征、操作系统指纹和用户使用习惯三个方面提取了数据流中具有代表性的特征并对特征进行分析,使用集成学习的方法生成识别模型.移动流量的识别准确率和主流的5种操作系统流量分类的准确率都达到了99%以上.本文方法比UAFs方法准确率提高了8%左右.本方法提取的特征具有多维性并且具有实际意义,整合了网络层和传输层的数据流特征,相较于使用深度数据包检测的方法,基于数据流多维特征的方法同样适用于加密流量的分类.     

基于最近邻法和支持向量机的个人信用评估方法

本文针对两类个人信用数据混叠较严重的数据集,提出对数据集先利用最近邻算法进行修剪,再应用SVM算法对个人信用进行评估的NN—SVM方法。仿真实验表明基于NN—SVM算法的个人信用评估方法比直接用SVM算法进行分析来的更加准确。同时,对比RBF_LS—SVM,Linear LS-SVM,Region single tree等算法的结果,发现NN—SVM算法明显优于其它算法。     

基于多窗口不同特征的蛋白质相互作用位点预测

识别蛋白质相互作用位点在蛋白质功能研究中发挥着重要作用.文章从蛋白质序列出发,提取相关特征——序列谱、序列谱+信息熵,分别形成多个滑动窗口,以此构造输入特征向量.采用"留一法"生成训练数据集和测试数据集,使用支持向量机构建6种分类器,预测测试集中的表面残基是否是蛋白质相互作用位点,得到了较好的结果,说明了实验方法的有效性和可行性.     

基于改进局部保持映射的图像特征提取算法

针对目前局部保持映射算法(LPP)因忽略类标识信息而造成的计算效率问题,提出了基于类标识信息的监督局部保持映射算法,并将其用于图像特征提取中,该算法通过用类标识信息指导最邻近图构造过程来提高算法的效率,仿真实验的结果表明,该方法可以有效提高传统局部保持映射算法的运算效率,提高图像特征提取性能.     

基于对应分析的支持向量机分类研究

提出了基于对应分析的支持向量机分类模型。该模型通过对应分析可以同时对变量及样本进行降维和消除相关性,从而在降低SVM训练时间的基础上有效地提高了SVM的分类精度。实验结果表明该方法是可行的。     

多参数装备费用的支持向量机预测

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法 ,具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数装备费用预测模型 ,然后采用模型对整套机载电子设备费用进行了预测。通过与多元线性回归和神经网络的预测结果对比 ,建立的新型装备费用预测模型具有更好的预测精度     

基于机器视觉技术的分拣机器人研究综述

随着机器视觉技术和人工智能的高速发展,当代机器人正朝着协作化、自动化、网络化以及智能化方向发展。为保障机器人作用的精准高效,机器视觉技术受到了极大的关注并被广泛应用于各领域。传统的分拣过程受物件特征的影响较大,而机器视觉技术具有速度快、信息量大、功能多的特点,并且能避免工人疲劳带来的误差,因而机器视觉技术在分拣领域表现出了良好的应用前景。基于此,详细分析和探讨了基于机器视觉技术的分拣机器人的组成、关键技术以及在各个行业的应用现状,具体阐述了相应的优势、存在的问题及可行性解决方案。最后,展望了分拣机器人结合机器视觉技术在人工智能大数据时代的发展趋势。     

部分形体识别研究

本文给出识别部分遮挡形体的新算法。这里采用阿达玛描绘子（Ｈｄ）提取形体的局部特征矢量,并用自组织特征映射（ＳＯＦＭ）矢量量化法对局部特征矢量归类形成形体的局部特征类别序列。采用两步法进行参考形体与被识别形体局部特征类别序列的对齐与还配。计算模拟结果表明该算法能得到相当高的识别率。