利用小波变换提高基于KPCA方法的人脸识别性能

基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征，在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利，过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点，预先对图像进行小波变换，通过消除对识别无关的细节信息，不仅提高了KPCA方法的识别精度，而且降低了该算法对计算机硬件的要求. 同时，为了抑制KPCA对光照等变化的较高敏感性，还提出一种对图像灰度进行衰减的预处理策略. 基于ORL数据库的实验表明，综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度.     

用户访问特征驱动的中间件语义缓存替换策略

Web应用中大量用户请求频繁与数据库交互会严重影响系统性能,中间件层缓存有助于减少请求与数据库的交互开销、提高服务器的响应速度。研究了在Web应用服务器中引入语义缓存机制,在查询缓存时利用语义信息进行匹配,然后动态追踪和分析用户访问时间性、访问内容量、业务关联等用户访问特征,在此基础上设计一种基于用户访问特征的语义缓存替换算法。原型实验表明其能够提高缓存命中率,并使服务器的响应时间和吞吐量也得到改善。