检索结果-内蒙古大学图书馆

计算机应用 2017年第A02期37卷 52-56页

作者：韩金东崔喆中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

为了克服传统算法效率低、安全性差的弊端,防止电子选举系统操作人员出现失误,确保选举结果准确无误,提高选举系统的可靠性,提出了一种基于SM2椭圆曲线公钥密码算法和改进的SM3密码杂凑算法实现选举数据完整性验证的方法。解决方案首先... 详细信息

为了克服传统算法效率低、安全性差的弊端,防止电子选举系统操作人员出现失误,确保选举结果准确无误,提高选举系统的可靠性,提出了一种基于SM2椭圆曲线公钥密码算法和改进的SM3密码杂凑算法实现选举数据完整性验证的方法。解决方案首先利用SM2椭圆曲线公钥密码算法生成选举数据的"数字签名",然后利用SM3密码杂凑算法对前后台获取的数据进行哈希运算并对比生成的哈希值,从而实现选举数据的一致性验证。实验结果表明,相对于消息摘要MD5等传统算法,SM3杂凑算法具有更高的安全性;相对于安全散列SHA-256等算法,SM3杂凑算法的速度更快。解决方案在保证高效运行速度的基础上更安全地实现了选举系统数据的一致性验证。

关键词：电子选举系统数据完整性验证可靠性哈希算法哈希值

来源：评论

学校读者我要写书评

暂无评论

面向管控的Mainline DHT网络测量与分析方法研究

引用

信息安全学报 2017年第2期2卷 24-32页

作者：田志宏张信幸楼芳刘渊中国工程物理研究院计算机应用研究所四川绵阳621900 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

作为最具有代表性的DHT网络,Mainline DHT网络凭借其用户数量庞大、分布地域广、运行稳定,正成为国际上结构化P2P网络研究和应用的热点。但由于Mainline DHT的异构性和复杂性,使得很难对其开展行之有效的管控手段。以面向有效管控的Main... 详细信息

作为最具有代表性的DHT网络,Mainline DHT网络凭借其用户数量庞大、分布地域广、运行稳定,正成为国际上结构化P2P网络研究和应用的热点。但由于Mainline DHT的异构性和复杂性,使得很难对其开展行之有效的管控手段。以面向有效管控的Mainline DHT网络测量分析为目标,在深刻理解Mainline DHT网络文件查询过程等相关细节的基础上,提出并设计了基于伪装节点发布、主动扩散和被动监听策略相结合的高效采集方法,通过获取节点分布、热门种子文件分布、客户端类型和端口分布等实际数据,测量并分析了Mainline DHT的网络性质和流量特征,为特定目标、区域管控等精细化、细粒度管控手段提供数据支撑及指导依据。

关键词： Mainline DHT 网络测量主动扩散被动监听网络管控

来源：评论

学校读者我要写书评

暂无评论

基于深度学习与医学先验知识的超声心动图切片识别

引用

计算机应用 2017年第A01期37卷 211-214页

作者：唐涔轩王晓东姚宇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对传统机器学习方法在围术期食管超声心动图(TEE)上进行切片识别时识别精度不够高和模型不能端到端的问题,提出了一种基于深度学习与医学先验的端到端切片识别方法。首先,提取TEE超声切片上的切片角度信息训练一个小型卷积神经网络(C... 详细信息

针对传统机器学习方法在围术期食管超声心动图(TEE)上进行切片识别时识别精度不够高和模型不能端到端的问题,提出了一种基于深度学习与医学先验的端到端切片识别方法。首先,提取TEE超声切片上的切片角度信息训练一个小型卷积神经网络(CNN)进行角度分类,获取分类结果即医学先验概率;然后,对整个TEE超声切片成像区域训练一个大型深度学习网络模型进行切片分类,获取验证前分类结果,即条件概率;最后通过贝叶斯方法校验获取最终的识别结果。实验结果表明,与传统方法相比结合深度学习与医学先验的切片识别方法极大地提高了TEE切片识别的精度。

关键词：超声心动图深度学习卷积神经网络医学先验贝叶斯方法

来源：评论

学校读者我要写书评

暂无评论

基于复杂事件处理的产品质量预测方法研究

引用

科学技术与工程 2017年第8期17卷 213-218页

作者：陈金坤李少波璩晶磊吴绍华侯稀垟贵州大学计算机科学与技术学院贵阳550025 贵州大学机械工程学院贵阳550025 中国科学院成都计算机应用研究所成都610041

针对制造企业对产品质量控制存在实时性不足,并且事后分析无法及时的为企业减少损失的问题,基于复杂事件处理机制,提出了一个生产线实时监控框架,并阐述了其功能模块。在此基础上,通过灰熵关联分析算法和分类回归树算法识别制造过程关... 详细信息

针对制造企业对产品质量控制存在实时性不足,并且事后分析无法及时的为企业减少损失的问题,基于复杂事件处理机制,提出了一个生产线实时监控框架,并阐述了其功能模块。在此基础上,通过灰熵关联分析算法和分类回归树算法识别制造过程关键质量特征,并建立了产品质量预测模型,该模型实现了从生产线上的实时数据提取出产品质量缺陷事件,并以此来对产品质量进行监控,从而达到质量预测的目的。最后对模型进行实例验证,证明了该模型的有效性。

关键词：复杂事件处理质量预测灰熵关联分析决策树

来源：评论

学校读者我要写书评

暂无评论

基于栈式自动编码机的选票手写字符识别算法

引用

计算机应用 2017年第A02期37卷 183-185,197页

作者：徐傲彭程中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对选举系统手写字符识别率低的问题,提出基于栈式自动编码机(SAE)的手写字符识别算法。首先利用无监督学习,通过栈式自动编码神经网络逐层训练,获得比原始数据更加抽象和健壮的高阶特征;然后,利用监督学习,结合Softmax神经网络,整体... 详细信息

针对选举系统手写字符识别率低的问题,提出基于栈式自动编码机(SAE)的手写字符识别算法。首先利用无监督学习,通过栈式自动编码神经网络逐层训练,获得比原始数据更加抽象和健壮的高阶特征;然后,利用监督学习,结合Softmax神经网络,整体微调训练网络优化模型,根据提取出的高阶特征进行字符识别;最后,通过提出的统计阈值判别法,不具有二义性的符号直接输出,人工审核有二义性的符号以保证识别结果的高准确率。实验结果表明,该算法相比图像处理方法、浅层学习算法等都具有更高的准确率,且能在一定程度上处理二义性填涂,适用于正式的选举场景。

关键词：选票系统手写字符栈式自动编码机 Softmax回归深度学习

来源：评论

学校读者我要写书评

暂无评论

基于活动形状模型对超声图像左心室的分割

引用

计算机应用 2017年第A01期37卷 223-225,235页

作者：姜雪琦伍岳庆姚宇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对超声心动图中左心室轮廓的分割问题,利用活动形状模型完成对医生所标注特征点的训练和目标轮廓匹配点的搜索。首先,对训练集内的特征点坐标进行归一化对齐和消除统计相关性,建立形状向量;接着,使用灰度差值分作为局部特征,以马氏距... 详细信息

针对超声心动图中左心室轮廓的分割问题,利用活动形状模型完成对医生所标注特征点的训练和目标轮廓匹配点的搜索。首先,对训练集内的特征点坐标进行归一化对齐和消除统计相关性,建立形状向量;接着,使用灰度差值分作为局部特征,以马氏距离作为度量进行搜索;为让搜索后匹配点更接近标注点,减小微小变量对搜索过程的影响,进一步提出基于主成分分析的局部特征,结合多分辨率金字塔模型来改进搜索过程;最后,在测试图像上使用不同的搜索方式进行分割。实验表明,改进搜索方式后匹配点和标注点的距离的均值和方差都减小了,匹配点更接近标注点。

关键词：超声图像活动形状模型主成分分析局部特征分割

来源：评论

学校读者我要写书评

暂无评论

触觉传感器非线性补偿仿生算法

引用

哈尔滨工程大学学报 2017年第2期38卷 288-292页

作者：林连冬李思奇陈春雨邱成军田志宏黑龙江大学电子工程学院黑龙江哈尔滨150080 大庆师范学院机电工程学院黑龙江大庆163312 中国工程物理研究院计算机应用研究所四川绵阳621900 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

为解决触觉传感器非线性误差大的问题,本文提出了一种基于动态密度聚类改进的自适应多种群遗传算法(IMPGA)。IMPGA算法通过对个体相似度的动态聚类分析生成多个子种群,各子种群采用自适应交叉、变异概率并行进化,提高了搜索全局最优解... 详细信息

为解决触觉传感器非线性误差大的问题,本文提出了一种基于动态密度聚类改进的自适应多种群遗传算法(IMPGA)。IMPGA算法通过对个体相似度的动态聚类分析生成多个子种群,各子种群采用自适应交叉、变异概率并行进化,提高了搜索全局最优解的效率。通过动态邻域搜索策略提高算法局部搜索的能力,通过移民算子保持每个种群的多样性和进化动力。实验表明通过IMPGA算法优化的BP神经网络能够有效减小触觉传感器非线性拟合误差,鲁棒性能好。

关键词：仿生算法触觉传感器非线性补偿密度聚类多种群遗传算法非线性函数拟合动态邻域搜索移民算子

来源：评论

学校读者我要写书评

暂无评论

基于内容的SIFT+LSH管道缺陷检索算法研究

引用

计算机测量与控制 2018年第4期26卷 171-174页

作者：李静孙坚徐红伟方欣钟绍俊凌张伟中国计量大学机电工程学院杭州310018 中国科学院成都计算机应用研究所成都610041 浙江省特种设备检验研究院杭州310018

各个城市对地下管道安全的检测一直是研究的热点和难点;传统的检测仪器不仅费时费力而且误检率特别高,随着技术的发展计算机视觉相关的方法也有在管道检测中应用,但是检测的速度和效果不尽人意;针对当前传统的检测方法操作复杂,成本高... 详细信息

各个城市对地下管道安全的检测一直是研究的热点和难点;传统的检测仪器不仅费时费力而且误检率特别高,随着技术的发展计算机视觉相关的方法也有在管道检测中应用,但是检测的速度和效果不尽人意;针对当前传统的检测方法操作复杂,成本高的问题,提出了一种基于内容的SIFT+LSH管道缺陷图像检索方法;该方法首先选取了优势较为明显的局部特征SIFT,充分利用了管道缺陷图像的特征,同时选取LSH算法对图像SIFT特征进行优化,将其转化为Hash编码,提高了检索速度;实验结果表明,基于SIFT特征和LSH算法的管道缺陷检索方法,相比与传统的SIFT特征和欧式距离的检索方法,大大提高了检索的速度,使得检测人员在实际操作中能够更快地获取到比较满意的检索结果。

关键词：基于内容的图像检索 SIFT特征 LSH算法相似度

来源：评论

学校读者我要写书评

暂无评论

基于多尺度量子谐振子算法的云计算任务调度

引用

计算机应用 2017年第7期37卷 1888-1892页

作者：韩虎王鹏程琨李波中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 西南民族大学计算机科学与技术学院成都610225

合理地分配虚拟计算资源以进行有效的任务调度是云计算中的一个核心问题。为了更好地利用虚拟计算资源,高效地完成服务需求,提出了一种基于多尺度量子谐振子算法(MQHOA)的任务调度算法。首先,该算法将每一个调度方案当成一个采样位置,... 详细信息

合理地分配虚拟计算资源以进行有效的任务调度是云计算中的一个核心问题。为了更好地利用虚拟计算资源,高效地完成服务需求,提出了一种基于多尺度量子谐振子算法(MQHOA)的任务调度算法。首先,该算法将每一个调度方案当成一个采样位置,利用高斯采样的随机性在当前尺度下搜索局部最优解;其次,判断算法是否处于能级稳定状态,如果稳定,则进入能级降低过程,最坏的调度方案将被替换;最后,算法进入尺度下降的过程,算法由全局搜索过渡到局部搜索,迭代多次之后,算法停止并输出找到的最优结果。通过在Cloud Sim平台上进行仿真实验,与现有的先来先服务(FCFS)算法和粒子群优化(PSO)算法对比,MQHOA总任务完成时间减少10%以上,负载不均值下降0.4以上。实验结果表明,基于MQHOA的任务调度算法能够快速收敛,有良好的全局收敛性和自适应能力,在云计算任务调度过程中,能够起到减少总任务完成时间和均衡负载的作用。

关键词：多尺度量子谐振子算法云计算任务调度快速收敛负载均衡

来源：评论

学校读者我要写书评

暂无评论

基于FFT的TIADC时间误差自适应校准算法

引用

计算机应用 2018年第A02期38卷 344-348页

作者：刘卓华龚向阳刘伟王佐才北京邮电大学网络与交换技术国家重点实验室北京100876 北京邮电大学感知技术与产业研究院北京100876 中国科学院信息工程研究所信息安全国家重点实验室北京100093 中国科学院成都计算机应用研究所成都610041

TIADC是一种广泛使用的基于时间交替技术的高采样率ADC,然而由于TIADC中各子ADC非一致性而引入的偏置、增益及时间误差大大降低了系统性能。其中,时间误差在三个误差中对整个系统性能影响最大,也最难以校准。对于高速TIADC系统,很小的... 详细信息

TIADC是一种广泛使用的基于时间交替技术的高采样率ADC,然而由于TIADC中各子ADC非一致性而引入的偏置、增益及时间误差大大降低了系统性能。其中,时间误差在三个误差中对整个系统性能影响最大,也最难以校准。对于高速TIADC系统,很小的时间误差都会导致明显的误差谱分量。提出了一种基于FFT的时间误差自适应校准方法,算法根据TIADC输出信号频谱特点,以时间误差导致的误差谱幅度为校准依据,调节采样时钟相位使得误差谱幅度最小,实现自适应校准。该算法无需单独测量时间误差即可实现校准,相对于已有自适应算法迭代次数少、校准时间短,无需在系统内部额外产生参考信号,容易实现。仿真和实际系统中的实验结果证明了该算法具有良好的性能:校准之后,残余相对时间误差小于0. 001;在实际的2. 5 GS/s的TIADC系统中,即使输入1 GHz的高频正弦信号,由时间误差导致的误差谱都能得以完全消除。

关键词：时间交替采样数模转换时间误差时间交替采样自适应校准

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：