多媒体的数字嵌入及水印技术

数字水印技术是一种信息隐藏技术，该技术将标识数据添加到载体数据中，在出现所有权纠纷时可以通过提取算法随时检测其中的标识信息来证明所有权，因此，数字水印已经被公认为保护多媒体数据所有权的良策，主要讨论了数字水印的原理及一般算法，给出了数字水印的添加有提取的一般模型。     

矿井通风系统合理性的评价

从技术方面、经济方面和安全程度方面分析了矿井通风系统合理性的影响因素,包括：结构合理性、用风地点角联数、风速超限状况、风机运转稳定性、矿井风压、风量供需比、设备购置费、巷道维护费、吨煤通风电费、矿山抗灾能力。选择层次分析法构建了矿井通风系统合理性评价模型,确定了各评价指标的权重并进行排序,得出了相关结论,即结构合理性、用风地点角联数、风速超限状况及风机运转稳定性对矿井通风系统合理性具有重要影响。     

基于双向主题模型的协同过滤算法*

主题模型可以学习用户和推荐项目的潜在主题分布。提出了一种基于双向主题模型的协同过滤算法,分别学习用户和推荐项目的潜在主题分布用于推荐服务。在真实的数据集上实验验证,该算法的性能均优于几个经典的协同过滤算法。     

Marching Cubes算法中等值面的优化分析

三维重建中等值面的优化操作可以减少等值面中三角片的数目或改变三角片的组织、存储结构,并尽可能地保持等值面原来的拓扑结构和几何形状.运用中点选择法和三角带生成算法,优化了等值面中三角片的组织、存储结构,从而使得三维模型的绘制速度有很大提高.     

增加雷斯青霉15α–羟化酶基因拷贝数提高甾体转化效率

孕二烯酮是第三代高效避孕药的主要成分.雷斯青霉(Penicilliumraistrickii)ATCC10490催化甾体左旋乙基甾烯双酮的C15α–羟基化反应合成孕二烯酮的重要中间体C15α–羟基左旋乙基甾烯双酮.为了提高现有生产菌种的转化效率,本文研究了在雷斯青霉ATCC10490中增加甾体C15α–羟化酶基因(PRH)拷贝数对转化效率的影响.分别构建了PRH基因的诱导型和组成型过表达载体pPZP-p800-PRH和pPZP-TrpC-PRH,并通过同源重组的方法定点整合到雷斯青霉基因组.转化实验表明,在出发菌株中增加一个PRH基因拷贝显著提高了甾体左旋乙基甾烯双酮转化效率,重组菌PRH-P800和PRH-TrpC的摩尔转化率分别提高了13%和20%,同时转化时间均缩短了12 h.     

基于灰熵的城际轨道交通系统决策评价方法

城际轨道交通系统是解决城市交通、改善城市环境、解决能源危机的重要手段,城际轨道交通系统的决策必须做到合理、科学和慎重。首先提出城际轨道交通系统决策评价体系,然后介绍灰熵及其极值、熵增定理及均衡度、灰色关联度等定义和计算方法,并给出灰熵综合评价步骤。最后以莞惠城际轨道建设为例,应用灰熵综合评价模型较客观解决城际轨道交通系统决策问题。     

TLRank:一种新的社会化协同排序推荐算法

已有的社会化协同排序推荐算法的研究只是简单地融入用户的社交网络信息,没有考虑用户之间社会化信任网络的传递性;同时,该推荐算法的性能面临数据高度稀疏性问题的挑战.为了进一步解决这些问题,在传统的协同排序推荐算法(ListRank, List-wise Learning to Rank)和最新的社会化协同过滤算法(TrustMF, Social Collaborative Filtering by Trust)的基础上,提出了一种新的社会化协同排序推荐算法(TLRank),融合均高度稀疏的用户的显式评分数据和社会化信任网络数据,以进一步增强协同排序推荐算法的性能.实验结果表明:在各个评价指标下,TLRank算法的性能均优于几个经典的协同排序推荐算法,且复杂度低、运算时间与评分点个数线性相关;TLRank算法的推荐精度高、可扩展性好,适合处理大数据,可广泛运用于互联网信息推荐领域.     

体可视化MT算法的改进

对传统的体可视化MT算法进行了改进,在一定程度上解决了提取出的等值面中存在大量冗余多边形和提取等值面的过程中计算量过大的问题.实验表明,该算法与传统的MT算法相比,运行速度显著提高,产生的多边形的数量也显著减少.     

双目系统中一种车体的三维重建算法

在目标不同角度照片的基础上 ,利用空间几何关系 ,成功地构建了实体三维表面的表示 .为提高算法的适用性 ,提出了用不同角度二维图像进行三维实体表面重建的弹性适应算法 ,该算法在不同分析尺度进行三维表面重建 .实践表明 ,弹性适应算法能降低三维表面重建时间 ,提高算法效率     

基于社交网络的单类协同过滤算法

单类协同过滤算法的研究是当前协同过滤算法研究的重要课题,其面临的主要问题是:仅仅正例数据能够被观察到,类高度不平衡,大量的数据点丢失.把社会化正则项引入到传统的单类协同过滤算法,提出一种新的基于社交网络的单类协同过滤算法来解决这些问题.在真实的包含社交网络的数据集上实验验证,该算法在各个评价指标下性能均优于几个经典的单类协同过滤算法.