一种自动分割视频对象的新方法

提出了一种视频对象自动分割及跟踪方法。该算法首先进行相邻帧差分检测和Canny边缘提取,得到相邻帧差分边缘模板;其次在相邻帧差分边缘和当前帧边缘的基础上,检测出视频对象的初始边缘模板。然后分为快变和慢变两部分进行跟踪,并对视频对象边缘模板更新以适应对象的运动;最后根据跟踪更新出的视频对象二值边缘模板,通过文中提出的填充技术及模板轮廓修正得到精确的视频对象模板提取出视频对象。实验验证表明,该算法对目标的整体运动和局部形变都有较强的适应性。此外,算法还具有简便、准确性高的特点。     

基于去冲激响应的UWB雷达目标识别

提出了基于去冲激响应的UWB雷达目标识别方法,在理论上对该识别方法进行了详细地推导,并给出了该方法中所用到的窄脉冲的选取准则;最后,通过计算机模拟,给出了两种飞机模型不同姿态下的近似冲激响应数学模型,在此基础上对这两种飞机模型进行了识别仿真。从仿真结果来看,此识别方法效果良好。     

基于模糊数据挖掘技术的入侵检测算法与应用

基于数据挖掘技术的入侵检测技术是近年来研究的热点,目前有不少入侵检测系统中都采用了关联分析的数据挖掘方法,现有的关联分析算法只能够解决数据中分类属性的挖掘,对于数值属性则不能直接使用,然而网络流量数据中包含了许多反映入侵状况的数值属性,已有学者提出了将数值属性先进行分类而后再进行关联分析的挖掘方法,然而这种方法带来的问题是在进行异常和正常划分时存在明确的界限,即“尖锐边界问题”,由于网络安全概念自身具有一定的模糊性,因此明确的界限可能会导致误报和漏报的情况产生,从而影响检测效果,文中提出了一种基于模糊关联挖掘技术的入侵检测算法,并采用遗传算法确定划分模糊集合的隶属度函数参数,最后的实验结果说明了该算法的有效性。     

校园网主动防御体系模型

针对目前日益严重的校园网络安全问题。提出了一套有效的主动防御安全模型。该模型采用了入侵检测与诱骗技术,利用蜜罐技术提取攻击行为特征库,通过XML消息传递机制．实现了一个完整的主动防御体系模型,并对涉及的关键技术做了探讨。     

无线局域网中的入侵检测系统研究

入侵检测系统对于保障无线局域网（WLAN）的安全十分重要。在深入分析当前WLAN安全问题中面临的主要问题后．针对无线局域网络的特点,提出并实现了一个分布式无线入侵检测系统。本系统根据无线网络攻击行为建立入侵特征库．利用Winpcap函数库对无线传输数据进行捕获,然后采用多模式匹配算法中的自动机匹配算法进行特征分析,理论分析和实验结果表明：本系统可实时检测War Driving入侵、非法AP、MAC地址欺骗等无线网络入侵行为,可用于无线局域网的某些安全应用中。     

局部最小误码率线性检测器的一个新算法

在CDMA系统的性能指标中,误码率是重要的指标之一,局部最小误码率线性检测器具有良好的误码率性能。研究了局部最小误码率线性检测器,给出了一个新的迭代型算法。仿真结果表明,它收敛速度快,稳定性好,易于工程实现。     

大肠杆菌热敏肠毒素的检测及纯化

采用平板免疫溶血试验、兔回肠结扎试验,探讨了大肠杆菌耐热肠毒素制备的方法和检测方法。试验表明：平板免疫溶血试验能够快速灵敏地检测出热敏感肠毒素．并具有很强的特异性,比肠结扎试验灵敏度高,而且简便易行;试验将细菌接种到产毒素培养基上培养．进行增菌,然后离心取上清液,沉淀溶于PBS液中用多黏菌素B浸出,均用80％饱和度的（NH4）2SO4盐析,之后用SephadexG-100凝胶层析分离纯化,最后用SDS-聚丙烯酰胺凝胶电泳检测热敏肠毒素的纯度。     

基于机器学习的跨患者癫痫自动检测算法

针对目前癫痫自动检测算法多集中于为单个患者建立检测模型,泛化能力较弱的问题,提出一种基于机器学习的跨患者癫痫自动检测算法.该算法使用多个癫痫患者的脑电数据,先对数据进行预处理后分析脑电数据间存在的特征,再对特征进行筛选,训练出一个跨患者的癫痫自动检测模型.该算法不需为每个患者建立单独的检测模型,实现了仅使用一个检测模型...     

基于连续双正交样条小波的股价指数奇异点检测

针对噪声背景下股价指数曲线给出的一种小波硬阈值消噪和奇异点检测的有效方法,选择双正交样条小波作为基小波,运用小波分析消除信号噪声干扰;结合多尺度分析及奇异点的检测,揭示股价指数信息隐含的背景。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。