基于二阶(2D)2PCA的人脸识别

研究光照变化条件下的人脸识别问题。基于最近提出的二阶特征脸方法和（2D）^2PCA方法,提出了二阶（2D）^2PCA方法。该方法将（2D）^2PCA技术分别应用到原始图像矩阵集和剩余图像矩阵集。在extended Yale人脸库上的实验表明,在光照变化条件下,二阶（2D）^2PCA方法是一种有效的人脸识别方法。该方法与传统的特征脸、二阶特征脸方法和（2D）^2PCA相比,具有更高的识别精度;且比特征脸和二阶特征脸方法节省计算时间。     

P2P流量识别技术研究

随着P2P技术的广泛使用,P2P应用虽然丰富了人们的生活,但部分P2P应用严重的影响了企事业单位的正常办公,并且为不良信息的广泛传播提供了便利。如何有效的识别并控制P2P流量已成为当前Internet技术中越来越重要一项研究,本文对P2P流量的识别进行了深入的研究,并提出了字段特征与PDU格式两种有效的识别方法。     

基于P2P应用的网络流量特征分析

为了解和掌握网络中P2P流量的特征，对网络中的P2P文件共享应用的流量进行了分析。发现在P2P文件共享应用Maze产生的流量中：流量具有突发性特点；流量的局部性比WWW和FTP应用相比更不明显；流长分布明显不同于WWW应用；而在流持续时间上明显比WWW和FTP应用要长；所传输的流量中传输量大的流所占的比例要比WWW和FTP要高。     

P2P流量识别技术综述

在归纳P2P流量识别问题概念的基础上,对现有的P2P流量识别技术进行了较全面地分析.借助分类模型形式化地定义P2P流量识别问题,依据所采用的识别特征将已有技术分为基于端口号、基于流量特征、基于应用层签名、基于双重特征和基于统计行为特征五类方法,并对各类方法进行了介绍、分析与优劣对比.探讨了新兴的P2P流媒体流量识别问题,总结了P2P流量识别技术的发展趋势.     

基于Linux内核Netfilter框架的P2P管理

在介绍P2P技术和Linux内核Netfilter框架的基础上，提出了识别P2P网络数据包的方法――端口识别法和特征码识别法。介绍了特征码识别法，讨论了如何获取P2P特征码并列出部分已知特征码，阐述了如何利用Netfilter框架进行P2P识别与管理，并进行了简单分析与总结。     

Doc2vec在薪水预测中的应用研究

针对互联网中在线招聘的工作广告,建立准确的薪水预测模型有助于求职者选择合适的职位。目前的研究方法都是通过词频或词向量平均化计算来获取职位的文本描述信息特征,无法全面理解文本语义。针对上述问题,本文利用文本深度表示模型Doc2vec计算文本的特征向量,能更深入地表征出文本语义特征。实验结果表明,与TF-IDF和word2vec相比,使用Doc2vec提取文本特征在对薪水进行预测的效果更好。     

基于Netfilter/Iptables内核扩展的P2P流量管理

为了缓解P2P流量对网络造成的带宽影响,合理利用网络资源,准确识别和测量P2P流量,才可以更好地保障网络的QoS.而传统上按照端口方式来识别P2P流量,随着P2P应用的发展,这种方法已经不能满足对P2P流量管理的需要.介绍了P2P应用及其优缺点,分析了Netfilter和Iptables架构的实现机制和扩展技术,以及P2P协议的特征.阐述了如何利用Netfilter/Iptables框架进行内核扩展来实现P2P流量识别与管理,通过实验进行了验证,并且对实验的结果进行了简单分析与总结,从分析的结果来看,明显在对P2P流量识别和管理上有所提高.     

改进的χ~2统计文本特征选择方法

特征选择是当今研究领域的一个热点,尤其是文本分类领域中的热点。针对χ2统计方法的两个缺陷:降低了低频词的权重和提高了很少在指定类中出现但普遍存在于其他类的特征在该类中的权重,对χ2统计方法进行改进,并通过做模拟和对比实验,对比改进前后的方法对文本分类的影响。在模拟和对比实验中,改进后方法的分类效果要好于传统的方法。     

WildPackets在P2P流量分析中的应用

对P2P流量管理的关键是不断地更新网络流量管理设备的P2P协议特征库。本文分析了决定P2P协议特征的因素,重点讨论了WildPackets分析P2P协议特征的具体思路和方法,最后说明P2P流量识别效率降低的原因。     

基于区域协方差矩阵和2DPCA学习的视频跟踪方法研究

针对PCA在视频跟踪应用中需要将图像转换成向量而造成信息丢失和小样本等问题,提出一种基于2DPCA学习的自适应性视频跟踪方法。该方法将图像矩阵直接进行处理,保持了跟踪目标的空间结构信息。在粒子滤波框架下采用仿射变换运动模型,并通过协方差特征融合方式评估目标运动状态,提高了目标外观模型的学习能力,实现了鲁棒的自适应性跟踪效果。进行了标准的视频序列测试,结果证明提出的算法能够较好地适应目标姿态、光线和部分遮挡等跟踪问题。     

基于PayLoad特征的P2P IPTV应用识别

近年来,基于P2P流媒体技术的网络电视已经成为网络舆论传播的重要手段之一,而P2P技术的无中心和自组织特性将大大增加对网络电视服务进行识别和监管的难度.本文首先通过对不同IPTV的payload数据分析,发现P2P IPTV系统通信过程中均存在访问地址特征、协议定义特征以及数据传输特征,然后提出了基于以上三种特征相结合的识别方法,并设计实现了实时识别系统,最后利用统计实验验证了系统的识别精度并对实验进行了分析.     

基于χ2统计量的kNN文本分类算法

随着Internet上文档信息的迅猛发展,文本分类成为处理和组织大量文档数据的关键技术.由于χ2统计量能很好地体现词和类别之间的相关性,因此成为特征选择中常用的评估函数.本文分析了χ2统计量在特征选择和分类决策阶段的性质,提出了一种新的基于χ2统计量的相似度定义,并结合基于两次类别判定的快速搜索算法,改进了传统的kNN算法.实验结果显示基于χ2统计量的改进kNN文本分类算法能大大减少kNN算法的分类时间,并提高了kNN算法的准确率和召回率.     

基于模块2DPCA的人脸识别方法

提出了模块2DPCA（two-dimensional principal component analysis）的人脸识别方法。模块2DPCA方法先对图像矩阵进行分块，将分块得到的子图像矩阵直接用于构造总体散布矩阵，然后利用总体散布矩阵的特征向量进行图像特征抽取。与基于图像向量的鉴别方法（比如PCA）相比，该方法在特征抽取之前不需要将子图像矩阵转化为图像向量，能快速地降低鉴别特征的维数，可以完全避免使用矩阵的奇异值分解，特征抽取方便；此外，模块2DPCA是2DPCA的推广。在ORL和NUST603人脸库上的试验结果表明，模块2DPCA方法在识别性能上优于PCA，比2DPCA更具有鲁棒性。     

基于流量特征和载荷特征的P2P流量识别

本文分析了目前的P2P网络流量识别方法及其存在的问题。设计识别P2P流量的数据结构;在流量识别阶段,在传输层捕获TCP和UDP数据包,依据P2P流在传输层表现出来的主要流量特征,进行TCP/UDP流量特征的P2P流量识别;在载荷特征识别阶段,对载荷特征库定期更新,将在流量识别阶段中识别出的P2P流作精确载荷特征识别,并将流量识别阶段中漏掉的流量作载荷特征识别;在模式匹配过程采用比较指印函数值来加快识别速度;进而提出一个可准确识别出新生、加密的P2P流量及其名称的算法。实验结果表明,该算法具有较高识别和分类P2P流量的能力。     

基于连接特征的P2P流媒体应用的识别

用于在线视频直播的P2P流媒体软件会占用大量带宽,故对其进行识别是很有必要的.但因为无法得知商业软件的实现细节,所以识别较为困难.针对四款著名的P2P流媒体软件,通过实验发现P2P流媒体节点作为接收端时所对应的源IP与源端口的连接特征,进而提出识别算法,最后通过实际的网络环境对该算法进行了验证.     

通用并行神经网络模拟系统GP^2N^2S^2

本文提出的基于Transputer阵列的通用并行神经网络模拟系统（GP^2N^2S^2）提供了高级神经网络描述语言及其编辑和编译器以及友善的执行环境，可将用户以串行方式编写的程序由系统自动地并行执行，能模拟现有的各种神经网络模型和用户自己开发的新模型。     

一种利用HVS与标注特征的2维工程图信息隐藏算法

针对2维工程图的版权保护问题,基于HVS与标注特征,提出了一种2维工程图的信息隐藏算法。该算法先获得工程图中的标注实体集,然后根据Logistic混沌系统所产生的二值化混沌序列对待隐藏信息进行加密,结合HVS和加密后信息对标注实体的颜色与线宽特征进行微小修改,从而实现信息的隐藏。仿真结果表明,该信息隐藏算法对旋转、平移、均匀缩放、非均匀缩放、噪声等攻击具有较好的鲁棒性。