基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

用模糊聚类分析法建立神经网络岩土本构模型

针对岩土类材料本构关系复杂的情况 ,采用BP网络建立了其本构模型 ,并从神经网络隐层的本质特征出发 ,对样本数据 (应力和应变信息 )采用模糊聚类分析法进行特征抽取 ,以确定隐层节点数目 .算例结果表明 ,该方法是可行的 ,并具有较直观的物理意义 ,可为样本的选取提供指导作用 .     

基于J2ME的移动银行混合加密方案

移动网络的安全性是移动银行发展的关键,数据加密技术则是保证移动网络安全的主要技术之一,设计合理的数据协议、加密方案对移动银行发展具有很重要的意义。考虑到移动银行实现方式、传输数据量等因素,提出了基于无线消息与移动多媒体两种类型下混合加密方案,分别给出了两种类型下的数据传输协议、混合加密、混合解密的流程,并给出了两种混合加密方案时间与数据量函数图像,验证了方案的可用性。     

基于Cache网络数据的数据缓存技术研究

通过对目前数据缓存技术的分析和研究，提出和设计了一种针对于高速局域网分布式数据缓存系统，即基于Cache网的数据缓存系统。旨在进一步提高数据缓存系统的性能，通过减少网络传输时间，均衡网络负载，实现提高客户机／服务器网络系统的检索效率。其主要思想是在网络的各个节点上建立数据缓存区，并实现对这些缓存区统一调配和管理。文中对其缓存性能进行了分析，并和其它缓存系统进行了比较，从而论证了该缓存系统的有效性。     

智慧学习环境中基于贝叶斯网络构建学生模型的研究

智慧学习环境是当前教育技术学界的一个前沿研究领域,从C/S架构的智能学习系统发展到B/S架构的智能化网络学习环境,学生模型仍然是其最核心的功能模块,是学生自我导向式学习情境中构建智慧学习环境的关键因素.本文采用文献分析法和实践调研法,从学生模型的分类、数据结构和建模方法等几个方面,对国内智能网络学习环境中学生模型的研究现状进行了较为详细的研究,并通过梳理近年来关于静态学生模型和动态推理模型的研究,提出了智慧学习环境中基于贝叶斯网络构建学生模型的框架,期望为智能学习系统中学生模型的理论研究和实践发展提供可借鉴的参考和经验.     

并行处理系统中一种改进的MARY-LO任务调度算法

讨论了并行处理系统中的任务调度问题，对基于Stone典型模型的一些算法作了些改进，改进后的算法弥补了以前算法的不足，将启发式算法，网络流量算法和贪心算法有机地结合在一起，很好地解决了处理机数目上的限制问题。     

包含QoS路由信息的最优路径选择算法

介绍了如何使用C 语言形成包含QoS路由信息的随机网络拓扑图,并通过在网络拓扑图上寻找最短路径来模拟在现实网络中满足一定条件的最优路径选择算法.     

基于测量的主动队列管理算法

针对RED(Random Early Detection)队列管理算法不能实现业务流之间带宽公平共享,提出了基于测量的主动队列管理算法(MBAQM).这种算法采用基于测量和预测的方式估计不同业务流的输入速率,并根据队列大小计算出新到来包的丢弃概率,在维持较少的流状态情况下,通过队列的丢弃机制,实现了不同速率输入业务流之间的链路公平共享.通过对参数的调整还可以实现优先带宽分配机制.该文从理论上说明了该算法能够保证各业务流近似公平地共享输出链路带宽,同时给出相应的仿真结果.     

通用分布式虚拟现实软件开发平台的研究

为了适应分布式虚拟现实应用系统的开发需要,在通用虚拟现实软件开发平台VRMagic的基础上,结合高层体系结构(HLA),研发出通用分布式虚拟现实软件开发平台D-VRMagic.详细介绍了D-VRMagic的网络架构和对象模型的构建过程,并在此基础上提出了管理者设计规范和通用客户端模型.最后以网络五子棋的实现为例,对D-VRMagic进行了验证.结果表明该平台具有较高的开发效率、可扩展性和通用性.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system,MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法.分析算法框架及训练方...