基于RPN和FCN的电力设备锈迹检测

针对电力设备在高温、高压、高流速条件下长期连续运行发生锈蚀隐患难以及时发现的问题,提出一种基于区域建议网络与全卷积神经网络相结合的对无规则锈迹进行检测的方法RPN-FCN。首先使用区域建议网络生成带锈迹的候选区域,然后对锈迹候选区域进行全卷积操作,从而在像素级别进行精确的分类定位。通过实验对比,结果表明本文提出的方法对于无规则的锈蚀检测更加准确有效。     

面向矢量瓦片的海量空间数据并行处理技术

随着地图测绘技术的发展,原始地图数据量呈现爆炸式增长,对地图数据处理的空间及时间效率提出了更高需求。针对上述需求,本文提出一种面向矢量瓦片包含矢量数据切图并行和矢量瓦片上传并行的两级并行处理技术。实验结果表明,此并行处理技术在提高矢量数据切图和矢量瓦片上传效率上有显著效果,在海量矢量数据的高效处理上,本文提出的方法是可行的。     

基于实时车速的交通控制与诱导协同

为了减小路网的总行程时间和提高路网运行效率,提出一种基于实时车速的交通控制与诱导协同模型。利用惩罚函数将有约束遗传算法转化为无约束遗传算法对所建立的协同模型进行求解,得到最佳的控制方案和诱导方案。在Vissim微观交通仿真软件中建立包含4个交叉口的小型路网进行仿真实验,仿真结果表明,此方法能够有效地减少路网总行程时间,提高路网运行效率。      

电力数据通信网端到端网络主动测量系统的设计与实现

随着湖南电力数据通信网的迅速发展,端到端的网络测量方法对于网络运维越来越显重要。传统基于SNMP和NETFLOW的被动测量手段不能获得与用户体验密切相关的重要网络参数如可用带宽、HTTP首页下载时间、POP3邮件接收响应时间等。大规模网络主动测量系统在国外有不少应用,在国内尚无较大规模应用的案例。为了提高湖南电力数据通信网整体运维水平,实现端到端的网络测量技术,文中设计并实现了电力数据通信网端到端网络主动测量系统。文中对系统的体系结构、任务调度方法、探针设计、系统的部署方法等进行了详细论述。该系统的实际测量结果表明,该系统可以提供准确和有效的测量结果,测量结果对网络优化和网络改造具有重要的参考价值。     

DCT域内视频分形脆弱水印算法

针对视频完整性认证问题,提出一种DCT域内视频分形脆弱水印算法。首先把视频I帧的RGB色彩模式转换为YUV色彩模式,并对Y分量进行DWT变换;然后提取I帧的分形特征,结合每一帧的位置特征生成认证码,用Logistic混沌映射将认证码置乱;最后将置乱的认证码嵌入每一帧DCT块最后2个非0系数的LSB位上。在视频认证过程中,无需参考原视频,实现了盲检测。实验结果表明,该方法在保证原视频质量的情况下,能有效检测到对原视频的篡改和攻击,并能定位篡改和攻击的位置。     

高校互联网应用创新平台的设计与实现

互联网应用创新平台基地依托中国教育科研网,运用现代信息技术、网络技术手段,通过管理和机制创新,建立分层次的高等学校仪器设备和优质资源共享系统,本文提出了以资源共享为核心的高校互联网应用创新平台的构建方案。在分析高校资源共享实验平台的发展情况后,本文深入研究了互联网应用创新平台的相关理论,提出了设计思路和实现方案,并具体阐述了南京理工大学的互联网应用创新平台的实现过程。通过应用体验,总结了该平台优势明显,具有一定的参考意义。     

基于图像分块的局部区域动态阈值选取方法

全局阈值的边缘检测方法容易导致局部图像的边缘漏检,而将图像分块进行局部检测,又存在局部间阈值差异较大,导致局部边缘误检和漏检。针对此问题,本文提出一种基于图像分块的局部阈值动态选取方法：利用熵对图像分块,考虑上邻域的影响动态求解局部阈值,保证局部间阈值的连续性。将本文方法应用于Robert算子、Canny算法,结果表明可有效提高检测精度,并能增强边缘的连续性。      

面向电子商务的网页检索聚类方法

在电子商务网络资讯管理系统中,为了将用户检索结果网页按照不同主题划分显示给用户,帮助用户快速定位所需信息,有效完善用户体验,针对电子商务领域网页文本聚类面临的问题,提出融合自定义领域词典、基于聚类特征词典的特征选择和基于类别领域词表的初始中心点构造等策略的解决方案。实验结果表明,该方案能有效提高电子商务领域的网页文本聚类质量。对于其它特定领域文本聚类研究具有一定的参考价值。      

无线传感器网络DV-hop定位算法的改进

 DV-hop算法是无线传感器网络中典型的非测距定位算法,其核心思想是将平均跳距与跳数的乘积作为2个节点间的距离,即采用节点间跳段距离代替实际直线距离参与位置计算。跳段距离计算过程中的误差累计是影响DV-hop算法定位精度的主要因素。本文提出基于门限跳数的信标节点选择策略和基于权的平均跳距优化策略,通过这2种策略减少跳段距离计算过程中的误差累计,提高定位精度。改进后的DV-hop算法通过门限跳数优化信标节点的选取,仅将小于门限跳数的信标节点当作位置计算的有效节点,从跳数角度减少了误差累计;此外,改进后的DV-hop算法在未知节点平均跳距选取上,以最佳跳距替代最近信标节点的平均跳距,更加真实地反映了实际距离,从平均跳距角度减少了误差累计。仿真结果表明,改进后的算法在不同的信标节点数、不同的节点通信半径以及不同的节点稀疏程度下,均能得到更高的定位精度。     

一种基于深度学习的移动端人脸验证系统

作为一种新兴的身份验证技术,人脸验证广泛应用于门禁、考勤等需要身份验证的场合。本文综合考虑移动端人脸验证的需求与生产环境,以及现有人脸验证算法的效率和可移植性,设计并实现一种基于安卓系统平台的人脸验证系统。该系统能够离线部署于搭载安卓系统的移动端设备,通过摄像头获取人脸图像并在本地进行图像的数据处理完成人脸验证工作。在算法上,该系统采用深度卷积神经网络进行图像处理与人脸特征向量提取以提高人脸验证的准确率。在实现上,通过联合编译Java和C+〖KG-*3〗+代码提高算法运行效率以适应深度学习算法在移动端的应用。实验表明,本系统能够在确保准确率高达97.16%的前提下快速完成人脸验证流程,基本满足工业化应用需求。