基于BM算法的恶意代码检测技术在Android中的应用

恶意代码检测技术的核心算法是特征码匹配检测算法.BM（Boyer-Moore）算法作为一种高效的特征码匹配检测算法,已被广泛应用于Windows平台中.由于Android与Windows平台具有完全不同的硬件和软件,因此在Windows平台中的算法未必适用于Android平台.从BM算法的原理入手,经过代码的改进和编程实现,并通过最终的实验测试,表明BM算法完全可以满足在Android平台中恶意代码检测技术的需求,且具有较高的运行效率和准确率.     

基于梯度图及Hausdorff距离的人脸识别算法

本文提出一种基于梯度图及PHD(Partial Hausdorff Distance)距离的人脸识别算法.首先,为了使识别独立于光照变化,所有图像均转换为梯度图,其次,采用Hausdorff距离进行图像的匹配,实验结果显示该方法适用于人脸识别,且距离计算对于光照,及较小的姿态、表情变化具有一定的鲁棒性.最后,实验采用AR及FERET人脸数据库,并与EM(Edge Map)与LEM(Line segment Edge Map)算法进行比较.     

基于改进Canny算法的服装款式结构特征识别与分类

为了提高服装款式结构分类效率,设计了基于改进Canny算法的服装款式结构识别系统。通过将服装图像进行阈值分割,形态学处理等预处理方式提取出服装二值轮廓;设计基于具有自适应尺度参数的高斯滤波函数的改进Canny边缘检测算法,提取出服装款式结构边缘转换成的特征向量;最后与服装模板特征通过均值Hausdorff距离(Mean Hausdorff Distance,MHD)进行对比分析,距离最小的服装即为特征最接近的款式。经过Matlab实验平台验证,提出的系统能够以服装结构款式进行准确识别,而且识别效率高,大大减少人力成本,具有很高的实用价值。     

基于CNN的多尺度特征在手写数字识别中的应用

在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.     

基于 Hausdorff 距离的分形研究

把 Hausdorff 距离应用到分形研究中,并编程完成了任意两个广义 MJ集间Hausdorff 距离的计算,通过 Hausdorff 距离的值可以得到广义 MJ集间的匹配程度。为进一步研究广义 MJ集提供了一种新方法。     

一类自仿集的分形维数的算法

给出了一类具有重叠结构的自仿集的分形维数(Hausdorff维数)的算法.通过引入辅助函数系统把问题转化,然后建立一个图递归系统计算自仿集的Hausdorff维数.该算法极大地减少了对自仿集的条件限制(有重叠结构),并结合实例验证了该算法的有效性.     

黑客攻击目标转向Android

据美国科技博客TechHive报道,有研究表明,Android就像PC电脑市场上的Windows一样,日益成为黑客攻击的目标.黑客们攻击Android的方法非常类似于攻击Windows的恶意程序. 今天,绝大多数恶意程序仍然主要针对于Windows PC电脑.但是,恶意程序的发展趋势表明,新一代恶意程序开发者正在设法入侵智能手机.Android和Windows恶意程序的不同在于,前者演变的速度要快得多,因为黑客已从攻击PC电脑的过程中积累了丰富的经验.迄今为止,Android恶意程序开发的巅峰之作要数Backdoor.AndroidOS.Obad.a,卡巴斯基将该恶意程序称为迄今最先进的移动木马.它的功能包括打开下载文件的后门,窃取手机及其应用程序信息,向收费号码发送短信,以及通过蓝牙传播恶意程序.     

一种改进的FCM算法在手写数字识别中的应用

模糊c均值(FCM,Fuzzy c-Means)算法是一种非常实用的模糊聚类算法,在非监督模式分类中占据着重要的地位。而手写数字识别在现实中也有着非常广泛的应用,如邮政编码、统计报表、银行票据等等。在FCM算法基础上,加入部分监督信息,并对手写数字图像用Zernike矩来筛选特征,最后通过MATLAB编程,验证了该改进的FCM算法对手写数字识别具有一定的可靠性。     

基于递归图的一类自仿集的Hausdorff维数

研究一类具有重叠结构的自仿集的Hausdorff维数.首先借助辅助迭代函数系统重构自仿集,然后建立递归图,给出自仿集Hausdorff维数的算法,并用康托集习全证了该算法的有效性.     

基于树编辑距离的聚类算法数据记录抽取

本文研究了如何从列表页面中抽取数据记录.系统分为两个阶段:第一步采用三种启发式方法相结合的方法,识别主数据区域的根节点;第二步将数据记录分离,提出了一种新的基于树编辑距离的聚类算法,来减少候选分割方案的数量,然后根据公式计算相似度,找出最佳分割方案.本文通过对大量不同领域的网页进行测试,结果表明本文方法具有较高的准确率.