葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)域，尤其是涉及一種基于自然共享最近鄰居搜索的發(fā)現(xiàn)簇和離群點(diǎn)的算法。其特征在于，首先對數(shù)據(jù)集進(jìn)行自然最近鄰居搜索，當(dāng)發(fā)現(xiàn)數(shù)據(jù)集中沒有共享最近鄰居的點(diǎn)的數(shù)量不再變化時搜索結(jié)束，得到搜索最近鄰個數(shù)n；根據(jù)提出的自然共享鄰居定義，計算每個對象在n近鄰下得到的自然共享最近鄰居關(guān)系；然后基于共享最近鄰的自然鄰居搜索算法確定了每個對象的自然共享最近鄰域關(guān)系，根據(jù)該自然共享最近鄰居關(guān)系，對數(shù)據(jù)進(jìn)行聚類和離群點(diǎn)判別。本發(fā)明的算法中提出一種新的共享最近鄰居關(guān)系和自然鄰居搜索終止條件，解決了現(xiàn)有算法因為自然鄰居關(guān)系定義不夠嚴(yán)密及搜索條件不夠科學(xué)而引起的聚類效果不好和離群點(diǎn)檢測精度不高的問題。

一種基于視覺顏色理論和同質(zhì)抑制的輪廓與邊界檢測方法，屬于計算機(jī)視覺和模式識別的交叉領(lǐng)域，旨在從復(fù)雜的自然場景中提取目標(biāo)的輪廓和邊界。本發(fā)明通過研究人眼視覺信息處理機(jī)制，對視覺通路各級神經(jīng)元的感受野建立數(shù)學(xué)模型，同時利用非經(jīng)典感受野的調(diào)制作用來抑制紋理邊緣，從而突顯輪廓和邊界

本發(fā)明公開了一種基于遺傳算法的異構(gòu) CAD 模型數(shù)據(jù)交換的系統(tǒng)及方法，本發(fā)明的異構(gòu) CAD 模型數(shù) 據(jù)交換的系統(tǒng)包括二個部分:源端 CAD 系統(tǒng)和目標(biāo)端 CAD 系統(tǒng)。同時，將異構(gòu) CAD 模型數(shù)據(jù)交換分為兩 層:3D 特征參數(shù)層和 2D 草圖參數(shù)層。在 3D 特征參數(shù)層，采用了直接特征映射和間接特征映射的方法實現(xiàn) 特征數(shù)據(jù)的交換。在 2D 草圖參數(shù)層，采用直接元素映射、間接元素映射及樣條映射。將 2D 草圖參數(shù)層中 樣條映射問題轉(zhuǎn)換為樣條擬合問題。創(chuàng)新性的將遺傳算法引入到異構(gòu) CAD 數(shù)據(jù)交換領(lǐng)域。在遺傳算法個體 的適應(yīng)度計算中，引入了 Hausdroffdistance。本發(fā)明可以用于復(fù)雜模型的異構(gòu) CAD 數(shù)據(jù)交換，交換之后的 目標(biāo)模型，不僅與原始模型具有極高的相似度，而且保留了原始模型的參數(shù)化特征信息。

本發(fā)明公開了一種基于和聲搜索算法的無線傳感器網(wǎng)絡(luò)分簇路 由方法，包括:(1)全局信息的傳遞和匯聚，獲得全局信息，并將其傳 遞到匯聚節(jié)點(diǎn);(2)匯聚節(jié)點(diǎn)通過全局信息對整個傳感器網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò) 分簇路由的優(yōu)化計算與配置;(3)普通傳感器節(jié)點(diǎn)監(jiān)測采集和處理應(yīng)用 信息，將其處理成數(shù)據(jù)包，轉(zhuǎn)發(fā)到簇頭節(jié)點(diǎn)，簇頭節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合， 并向下一跳簇頭節(jié)點(diǎn)發(fā)送數(shù)據(jù)包;(4)下一跳簇頭節(jié)點(diǎn)接收到數(shù)據(jù)包后， 將自身剩余能量信息加入到數(shù)據(jù)包中，并按照數(shù)據(jù)包中的最優(yōu)路由， 繼續(xù)向下一跳簇頭節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)包。本發(fā)明的方法解決了無線傳

本發(fā)明公開了一種基于動態(tài)規(guī)劃算法的網(wǎng)絡(luò)數(shù)據(jù)傳輸能耗優(yōu)化 方法，具體步驟為：①統(tǒng)計當(dāng)前網(wǎng)絡(luò)傳輸任務(wù)列表及截止時間列表， 挑選出最大截止時間，作為所有任務(wù)的結(jié)束時間；②若當(dāng)前有新任務(wù) 加入，則根據(jù)任務(wù)列表、截止時間列表、網(wǎng)絡(luò)帶寬狀態(tài)，通過本發(fā)明 中改進(jìn)的動態(tài)規(guī)劃算法計算出傳輸決策方案，以此控制網(wǎng)絡(luò)傳輸，時 間推進(jìn)并執(zhí)行步驟①；③若當(dāng)前無新任務(wù)到達(dá)且任務(wù)未完成，則按照 最近一次的傳輸決策序列控制網(wǎng)絡(luò)傳輸，時間推進(jìn)并執(zhí)行步驟

一種基于視覺顏色理論和同質(zhì)抑制的輪廓與邊界檢測方法，屬于計算機(jī)視覺和模式識別的交叉領(lǐng)域，旨在從復(fù)雜的自然場景中提取目標(biāo)的輪廓和邊界。本發(fā)明通過研究人眼視覺信息處理機(jī)制，對視覺通路各級神經(jīng)元的感受野建立數(shù)學(xué)模型，同時利用非經(jīng)典感受野的調(diào)制作用來抑制紋理邊緣，從而突顯輪廓和邊界。本發(fā)明的創(chuàng)新點(diǎn)在于將人眼顏色信息處理機(jī)制引入輪廓與邊界檢測模型中，通過設(shè)置不平衡的視錐輸入檢測出顏色和亮度邊界，保持輪廓的完整性，同時考慮

本發(fā)明公開了一種基于改進(jìn)二維經(jīng)驗?zāi)B(tài)分解算法的圖像去噪方法,首先，將待去噪圖像經(jīng)傳統(tǒng)BEMD算法進(jìn)行自適應(yīng)分解得到各階IMF后，對各個IMF的概率密度函數(shù)與待去噪圖像概率密度函數(shù)之間的相似性進(jìn)行測量，其次，根據(jù)相似性測量值區(qū)分出噪聲主導(dǎo)模態(tài)函數(shù)與信號主導(dǎo)模態(tài)函數(shù)的邊界索引值,然后，使用小波去噪算法對噪聲主導(dǎo)模態(tài)函數(shù)進(jìn)行降噪處理得到實際的圖像噪聲，接著，重構(gòu)出與原圖像具有相同信噪比的多幅圖像后對其累加求平均、實現(xiàn)將噪聲壓縮到低階IMF中，最后，使用BEMD?DT對該平均圖像進(jìn)行去噪處理。通過本發(fā)明方法對圖像進(jìn)行去噪，取得效果均好于小波降噪以及傳統(tǒng)BEMD等降噪方法的去噪效果。

本成果針對我國農(nóng)村幅員廣大、信息基礎(chǔ)設(shè)施建設(shè)薄弱、難以推廣電子交易的現(xiàn)狀，積極響應(yīng)國家“三農(nóng)”戰(zhàn)略，研制適合農(nóng)村應(yīng)用環(huán)境的電子交易平臺、交易終端和專用芯片，形成了服務(wù)三農(nóng)的整套電子交易解決方案，為農(nóng)村金融業(yè)務(wù)提供了創(chuàng)新電子交易產(chǎn)品，成為中國農(nóng)業(yè)銀行等金融機(jī)構(gòu)服務(wù)“三農(nóng)”的新型支付渠道。 成果基于多學(xué)科交叉和創(chuàng)新集成的技術(shù)路線，首創(chuàng)了基于瘦客戶端型B-C/S架構(gòu)的低成本、易維護(hù)金融交易平臺和交易終端；通過專用芯片降低了終端成本，提高了終端可靠性。項目申請發(fā)明專利6項，已授權(quán)16項，其創(chuàng)新點(diǎn)解決了電子交易終端應(yīng)用于我國農(nóng)村復(fù)雜環(huán)境下的成本、維護(hù)、安全、可靠性等諸多關(guān)鍵技術(shù)問題，技術(shù)水平達(dá)到國際先進(jìn)，國內(nèi)領(lǐng)先。該成果榮獲2011年江蘇省科技進(jìn)步一等獎。

智能蜜網(wǎng)技術(shù)是一種新興的基于主動防御的網(wǎng)絡(luò)安全技術(shù)，目前日益受到人們的關(guān)注，發(fā)展前景廣闊。蜜罐是一種網(wǎng)絡(luò)安全資源，它通過監(jiān)視入侵者的活動，使用戶能夠分析研究入侵者所掌握的技術(shù)、使用的工具以及入侵的動機(jī)， “知己知彼, 百戰(zhàn)不殆”,只有在充分了解對手的前提下, 我們才能更有效地維護(hù)互聯(lián)網(wǎng)安全，而蜜罐和蜜網(wǎng)技術(shù)為捕獲黑客的網(wǎng)絡(luò)攻擊行為, 并深入分析黑客提供了基礎(chǔ)。 智能蜜網(wǎng)技術(shù)可應(yīng)用于政務(wù)網(wǎng)站、企業(yè)網(wǎng)站監(jiān)控等網(wǎng)絡(luò)安全和信息安全監(jiān)控等領(lǐng)域。在2013年“棱鏡時間”的曝光后，中國對信息安全保障的重視程度也達(dá)到前所未有的高度。在網(wǎng)絡(luò)安全的倒逼下，行業(yè)發(fā)展正迎來政策蜜月期，相關(guān)扶持政策有望陸續(xù)出臺，信息安全市場將進(jìn)入快速發(fā)展期。 智能蜜網(wǎng)項目以數(shù)據(jù)捕獲和分解，用戶上網(wǎng)行為模擬和惡意代碼分析為核心。開放真實的web服務(wù)，F(xiàn)TP服務(wù)，telnet服務(wù)等。系統(tǒng)包含數(shù)據(jù)存儲，智能分析，被動蜜網(wǎng)，主動蜜網(wǎng)，模擬用戶子網(wǎng)，郵件子網(wǎng)，連接控制，數(shù)據(jù)捕獲，管理區(qū)域等9個模塊。 蜜網(wǎng)服務(wù)數(shù)據(jù)有一定的吸引力，吸引黑客對蜜網(wǎng)的攻擊。蜜網(wǎng)中預(yù)留一些操作系統(tǒng)和服務(wù)的漏洞，來實現(xiàn)攻擊誘騙。在黑客不察覺的情況下，收集攻擊方式和惡意代碼樣本。 模擬用戶的正常上網(wǎng)行為，訪問web服務(wù)，F(xiàn)TP下載，訪問郵箱等等，收集一些惡意腳本和惡意代碼。搭建真實的郵件服務(wù)器，并在互聯(lián)網(wǎng)上傳播該服務(wù)器的郵箱地址，引誘惡意郵件發(fā)送者向該地址發(fā)送帶有惡意代碼的郵件。 URL獲取與分析模塊通過可配置的多種途徑自動獲取URL，以自定義格式保存為中間結(jié)果，再統(tǒng)一由相應(yīng)程序保存到數(shù)據(jù)庫中。之后對數(shù)據(jù)庫中的URL進(jìn)行篩選和判斷，得到最終的惡意URL。