关于系统调用的发展研究综述

我国近年来在系统调用方面的研究有了很大发展,其中在原理方面的成果主要有：系统调用的内核具体实现机制和系统调用与安全性;在应用方面的有：系统调用与操作系统安全,系统调用与入侵检测,系统调用与计算机免疫和系统调用与反病毒技术。     

Ostu算法的改进研究

智能视频监控系统已经逐步应用到医院、商场等公共场合,运动目标检测算法是该智能系统的关键技术之一。文章首先从比较现有的典型运动目标检测算法出发,然后引入Ostu算法用于目标检测的图像处理过程中选取最佳阈值,最后针对其实际存在的问题,给出了一种改进方法及测试结果。     

一种基于改进的BP神经网络的入侵检测方法

针对普通BP神经网络算法学习收敛速度慢、易造成局部极小的问题,提出一种改进的BP神经网络入侵检测方法,其采用拟牛顿的方法进行学习,即对目标矩阵求二阶导数.运用该方法能够有效提高学习速度,消除局部极小.仿真结果表明,改进的BP神经网络入侵检测方法收敛速度快,比标准的BP入侵检测方法误检率低,能够很好地提高学习效率,更加有效地检测攻击行为.     

基于智能车的磁场检测线圈特性分析

对基于智能车的竖直放置磁场检测线圈的特性进行了深入分析,给出了检测线圈输出的感应电动势幅值E与线圈的大小及位置等参数的关系.并借助Mathematica软件强大的代数运算能力和图形函数功能,直观地展示了E与各参数的关系.对智能车的检测线圈放置方式、提高检测灵敏度的措施提出了指导性结论.     

淮河中游水环境中PAHs分布特征及风险评价初探

通过对淮河中游水环境中PAHs的检测和定量分析,得出以下结论:在淮河中游水环境各种介质中的分布差异较大;PAHs分布受人为污染源影响较大;PAHs尚未对淮河中游水生态系统构成威胁.该实验旨在初步掌握PAHs在淮河中游水环境中的污染浓度、分布形式、来源及其生态风险,为淮河水污染防治和饮用水安全提供科学依据.     

席夫碱型1,3,4-噻二唑类光化学传感分子比色识别Cu~(2+)

设计合成了一种新型1,3,4-噻二唑类光化学传感分子5-(4-(dimethylamino)benzylideneamino)-1,3,4-thia-diazole-2-thiol(DBTT),该传感分子在甲醇-2%水体系中可以高选择性地用比色法识别Cu2+,并且制作了DBTT检测Cu2+的试纸,在一定条件下可以应用于实际样品中Cu2+的快速检测.以等摩尔系列法研究了DBTT与Cu2+络合的化学计量比为1∶1,结合红外光谱与核磁滴定实验结果推测了DBTT对Cu2+可能的识别机理.     

中文句子倾向性分析

针对句子的倾向性进行判断,采用SentiWordNet构建中文倾向性词表,通过剔除停用词等降低句子向量的维数,以此来提高句子向量化速度,然后利用支持向量机分类器进行句子倾向性判断,最后提出两种新的置信度计量方法对倾向性句子进行排序.实验结果表明,构建的识别系统在一定程度上能有效识别倾向性句子.     

SMT元件影像检测关键算法

提出了一种基于视觉的贴片元件几何特征参数的检测方法。该方法首先采用最大外接矩形的方法实现元件的粗定位及确定边缘的分割点。接着采用Canny算子和Zernike矩边缘检测算子实现边缘的亚像素精确定位。然后,利用分割点将边缘分割成4部分,分别进行直线拟合,得到边缘的直线方程,利用直线和圆弧相切的关系,求得直线和圆弧的切点,采用最小二乘法对两切点间的边缘点进行圆弧拟合得到圆弧的精确值。同时,采用快速傅立叶变换,利用变换后图像的特征,实现端面图像中条纹方向的判定。实验中测得亚像素边缘点的定位精度为0.03pixel,直线拟合精度为0.03pixel,圆弧拟合精度为0.05pixel,端面条纹判断的准确率为100%。理论分析和实验结果表明：本文提出的最大外接矩形分割法、亚像素定位法、直线圆弧拟合法及条纹方向判断法能很好的满足贴片元件几何特征参数自动视觉检测的稳定可靠、精度高及实时性的要求。     

基于改进蚁群算法的图像边缘检测

为了克服传统基于蚁群算法的图像边缘检测存在定位不准、易陷入局部最优解、对噪声鲁棒性不佳、且收敛速度过慢等缺点,本文提出了一种基于改进蚁群算法的图像边缘检测算法,此算法以传统边缘检测算子得到的边缘信息作为启发信息,建立了基于蚁群算法的边缘追踪模型,实现了信息素和启发信息对边缘追踪的导向作用,避免了蚂蚁在非边缘区域内行走,克服了陷入局部最优的缺点,最后本文运用了条件概率建立边缘检测评价标准.实验结果表明,本文的边缘检测方法具有较好的检测精度和噪声鲁棒性,且运行速度较快.     

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用 SIFT (Scale Invariant Feature Transform)特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。