智能单粒子优化算法

文中在传统粒子群优化(Particle Swarm Optimization,PSO)算法的基础上,提出了智能单粒子优化算法(Intelligent Single Particle Opti mizer,ISPO).与传统的PSO算法不同,该算法采用了一个粒子在解空间中搜索,粒子的位置矢量被分成一定数量的子矢量,并基于子矢量对粒子进行更新.在子矢量更新过程中,通过分析之前的速度更新情况,引入一种新的学习策略,使粒子在搜索空间中能够动态地调整速度和位置,从而向全局最优靠近.实验表明,此算法对大部分标准复合测试函数都具有很强的全局搜索能力,其寻优能力超过了国际上最近提出的基于PSO的改进算法.     

基于RPG模式的“多媒体技术及应用”课程教学实践

本文介绍了我院针对“多媒体技术及应用”课程的特点进行分析后,有针对性地设计的一种基于角色扮演模式的课程教学方法。该模式能够让学生在学习过程中主动承担课程任务,在任务过程中增加对课程知识点的理解,提高非计算机专业学生的多媒体制作能力。     

基于混沌序列的多重数字图像水印算法

采用一维混沌映射，根据不同的混沌初始条件生成多个互不相关的混沌实值序列，进而得到性能良好的多重数字图像水印信号，有效地解决了多重数字图像水印信号的构造问题．同时采用二维混沌映射将各水印信号置乱，随机均匀地叠加在图像小波变换的中低频系数上，各水印信号的嵌入和提取可以互不干扰，解决了多重数字图像水印的嵌入问题．实验结果表明，该算法对各种常见的攻击均具备了一定的抵抗能力，可有效地解决数字图像产品的多著作权问题．     

基于混沌序列的数字水印信号研究

本文针对当前数字水印算法中提出的各种数字水印信号进行分析,综合了数字水印信号应满足的特性,并且提出了基于混沌序列的数字水印信号算法.与目前存在的数字水印信号相比,混沌数字水印信号具有三方面的优点:易于产生,仅需采用一维混沌映射方程,水印信号生成速度快;数量众多,混沌系统模型、参数和初值的选择不同即可得到互不相关的两序列;保密性好,在不知道混沌模型及相关参数的前提下,几乎不可能破译.因此可以有效地解决实际应用中大量数字水印产生的问题及数字水印标准化问题,有利于数字水印技术走向实际应用.     

基于十字模板的数字减影图像配准快速算法

提出一种基于十字模板的数字减影图像配准快速算法.采用块匹配法消除几何失真带来的运动伪影.选择不受血管区域影响的差值直方图能量尺度作为相似性尺度.通过计算图像梯度信息,选取边缘区域像素作为控制点,既改善减影图像质量,又提高运算速度.用十字模板替代传统块匹配法中常用的矩形模板,可减少直方图统计中的像素数量,缩短计算时间.对比矩形模板和十字模板的差值直方图能量搜索结果,发现参数选取适当时,改变模板形状不影响控制点运动位移量的正确确定.对十字模板中像素进行采样,可进一步压缩像素数量,提高运算速度.实验结果表明,改变模板形状后,图像配准速度显著加快,且减影图像质量保持良好.     

基于秘密共享和高阶谱的仿射不变性水印算法

提出一种基于秘密共享和高阶谱的仿射不变性盲水印算法.按照秘密共享将水印分解为n份,只有t个或大于t个用户才能恢复出水印,在增加水印安全性的同时可防止秘密信息的泄漏.在双谱的平移、旋转和尺度不变性向量中嵌入水印来实现仿射不变性.检测过程采用双谱检测是否含有指定的水印,使得在信噪较低时只要具有较大的双谱信息仍能得到较大的检测概率.并利用独立分量分析进行水印的盲分离.在信息恢复之前,利用单向散列函数抵抗欺骗攻击.实验数据证明本文算法对通用水印测试软件Stirmark提供的各种攻击具有较好的鲁棒性.     

基于语义模板的问答系统研究

提出一个基于语义模板的用户交互问答系统,其中语义模板用于标识句子中各成分之间的语义关联关系.语义模板的使用有助于问题的分解和各成分间语义关联关系的研究,可提高分析精度,适宜于英文和中文问题的分析.在系统运行中,将问题和用户选择的正确答案对,存储在数据库中,通过积累知识构建知识库,实现问题自动回答.     

基于粒子群算法的超宽带接收机设计

超宽带(UWB)接收机具有高度非线性,其传统设计方法依赖于经验,十分复杂。提出了一种基于粒子群优化算法的UWB接收机系统级设计方法 PSO-UWB。该方法基于粒子群改进算法Ad-pISPO,根据系统输出信噪比(SNRout)和重要部件参数之间的关系函数,以SNRout最大化为目标进行参数的优化计算。ADS仿真结果证明,PSO-UWB方法的优化结果符合设计要求,具有可行性。     

基于ELM和MA的微型四频天线设计

提出一个基于极限学习机ELM（Extreme Learning Machine）和文化基因算法MA（Memetic Algorithm）的微型四频（0.92/2.4/3.5/5.8GHz）天线设计算法AntMA-ELM.为了提高天线的性能,算法在MA框架下引入基于综合学习粒子群优化算法CLPSO（Comprehensive Learning Particle Swarm Optimizer）全局搜索和DSCG（Davies,Swann,and Campey with Gram-schmidt）局部搜索,用于确定天线的几何参数.同时,建立ELM回归模型用于直接评估MA优化的适应值函数.实验结果表明,ELM回归模型能够根据输入参数正确估算天线的回波损耗,使MA算法有效提高设计性能和加速优化过程.天线在四个目标频段的回波损耗值均优于-10dB,满足设计要求.