关于提高系统及重大应用软件的可靠性与安全性的建议

在现代信息技术的各类载体(计算机硬件、软件、网络与通信设施等)中,软件的可靠性、安全性是最难保证的。我们现在使用的计算机都属于"通用数字计算机"。用通用数字计算机解决一个特定的问题,要靠特定的软件去完成。计算机能解决多少问题,就需要多少软件。现代信息社会对计算机的依     

一种基于MapReduce的并行PSO-BP神经网络算法

为了提高BP神经网络算法的分类准确率和运行时间效率,利用PSO算法和并行化设计的思想,提出了Hadoop平台下基于MapReduce的PSO优化BP神经网络的并行化设计及实现方法。利用PSO算法优化BP神经网络的初始权值和阈值,提高算法分类准确率;采用MapReduce并行编程模型实现算法的并行化处理,解决了BP神经网络在处理大规模样本数据集时存在的硬件开销和通信开销大的问题。选用SUN Database场景图像库构造了5个不同规模的数据集,通过与传统的串行PSO-BP神经网络算法实验对比,并行化的PSO-BP神经网络算法分类准确率达92%左右,系统效率在0.85左右,在处理大规模数据集时具有明显的优越性。     

高速离散余弦变换VLSI实现的可测性设计

本文提出了一种离散余弦变换电路VLSI实现的可测试性设计。它采用基于算法结构变换的并行实现,所用乘法的数量大大减少,降低了硬件面积占用和功率消耗。为提高DCT的可靠性,在本设计中加入可测性设计方法,采用一种新的内建自测试(BIST)技术。实验表明该设计对运算器的内部结构和运算速度影响小,并具有较高的故障覆盖率。本文的方法适用于高可靠性要求下的数字信号处理的VLSI实现。     

基于树莓派和Open CV的深度学习人脸检测和性别年龄预测方法的研究

随着人工智能的发展,图像处理和计算机视觉技术已经应用在了多个领域。人脸检测识别和人脸特征分析,仍然是计算机视觉图像处理中很重要的一部分。本文主要研究在树莓派开发平台下,以开源计算机视觉库Open CV为主进行人脸的检测识别。基于深度学习,以Open CV机器学习模块中的DNN为主,基于深度残差网络DRN来构建人脸检测算法模型。在人脸检测基础上以基于Caffe框架的CNN预训练模型对年龄性别进行预测和分类。使用树莓派作为硬件主体来搭建Open CV人脸检测环境,通过神经网络模型来进行人脸检测和性别年龄预测的训练,得到一个理想化的人脸检测和年龄性别预测方法。     

基于BP神经网络的手写数字识别

随着计算机硬件的不断发展,以前需要大计算量的BP神经网络算法所需时间已经变得可以接受。本文就BP神经网络算法最富代表性的应用之一——手写数字识别进行了一些探究。     

浅析计算机硬件冲突及兼容性的处理方法

在现代社会中,计算机技术的运用极大的提高了工作效率,促进了现代科技的运用。在计算机技术应用过程中,硬件冲突及兼容性是影响计算机应用的重要难题、是影响计算机应用稳定性的关键。虽然现代计算机硬件稳定性与兼容性得到了大幅度的提高,但是由于硬件搭配等原因导致的电脑硬件不兼容问题仍具有较高的发生率。针对计算机应用需求,在计算机硬件冲突及兼容性发生问题后应进行正确处理。根据计算机硬件冲突及兼容性成因,确定处理方式,实现计算机技术运用目的。本文就计算机硬件冲突及兼容性的处理方法进行了简要论述。     

一种基于人体动作控制的智能系统

人体动作控制的智能系统设计是集计算机视觉与硬件系统设计于一体的综合性研究课题。本文基于视频图像的目标行为分析,以人体动作检测与识别为研究重点,在实现动作识别的基础上完成人机交互功能的扩展。在软件算法部分,本文采用了背景减除法与分水岭算法相结合的运动目标前景提取方法。针对人体动作的识别分类,采用了HOG特征提取方法和多分类SVM分类器进行分类,以实现对目标动作的识别。     

基于BP神经网络的时延水温控制系统设计

神经网络具有自组织、自学习、自适应的特点,近年来随着计算机技术的发展,为其网络优异的函数逼近性能和分类性能应用于工程提供了硬件基础,神经网络由于其大多结构简单,算法易于理解和使用,有利于工程人员应用解决实际问题。本文介绍了BP神经网络在时延控制对象中的建模,建立了一个基于BP神经网络的预测模型,在Matlab中对几种使用神经网络模型的控制方案进行了研究和比较。     

当前中职学校计算机专业教学存在的问题及对策研究

本文先就当前中职学校计算机专业教学中存在的问题,进行分类剖析;然后提出加强中职学校计算机专业教学的对应措施,从转变教学观念整合教学资源、搞好硬件建设改进教学方法、加强自学能力建立互动平台、加强师资培训提升教师素质等四个方面进行探讨,重点强调教学方法的改进。     

当前中职学校计算机专业教学存在的问题及对策研究

本文先就当前中职学校计算机专业教学中存在的问题,进行分类剖析;然后提出加强中职学校计算机专业教学的对应措施,从转变教学观念整合教学资源、搞好硬件建设改进教学方法、加强自学能力建立互动平台、加强师资培训提升教师素质等四个方面进行探讨,重点强调教学方法的改进。     

一种基于多层BP神经网络面部表情识别方法

人脸表情识别是指通过面部表情特征的计算,实现表情的分类.研究了基于面部运动特征的表情识别方法,提出基于神经网络的表情识别方法.该方法提出一种基于多层BP神经网络进行表情分类的方法,其特征提取利用脸部运动编码系(FACS)进行;训练BP网络作为依据运动特征进行表情分类的判别方法.实验表明分别时上下半边脸的运动单元(AU)进行训练和测试,取得了较好的识别效果.     

基于神经网络的新疆高发病哈萨克族食管癌医学图像分型研究

目的:探讨BP神经网络算法在新疆高发病哈萨克族食管癌X射线图像纹理特征和形状特征分型中的应用。方法:选取哈萨克族正常食管图像、溃疡型食管癌图像和髓质型食管癌图像各100张,利用灰度共生矩阵算法和形状不变距算法分别提取图像的纹理和形状特征。然后,使用BP神经网络算法构造一个分类器,对正常食管和两种中晚期食管癌图像进行分类研究。结果:共提取了14维哈萨克族食管癌X射线图像纹理和形状特征向量,应用BP神经网络算法进行哈萨克族食管癌X射线图像分类实验,基于灰度共生矩阵算法的纹理特征分类准确率为85.333%,基于Hu不变距算法的形状特征分类准确率为65.333%,而纹理和形状综合特征的分类准确率达到了97.667%。结论:本研究提取基于灰度共生矩阵算法和Hu不变距算法的食管癌图像纹理和形状特征,通过构造BP神经网络分类器对食管癌医学图像进行分型研究。结果表明BP神经网络对综合特征的分类准确率较高,为临床医生诊断食管癌提供了参考,也为后期研发食管癌医学图像计算机辅助诊断系统奠定了基础。     

改进的图神经网络文本分类模型应用研究 ——以NSTL科技期刊文献分类为例

[目的/意义]随着互联网数字资源的剧增,如何从海量数据中挖掘出有价值的信息成为数据挖掘领域研究的热点问题。文本大数据分类是这一领域的关键问题之一。随着深度学习的发展,使得基于深度学习的文本大数据分类成为可能。[方法/过程]针对近年来出现的图神经网络文本分类效率低的问题,提出改进的方法。利用文本、句子及关键词构建拓扑关系图和拓扑关系矩阵,利用马尔科夫链采样算法对每一层的节点进行采样,再利用多级降维方法实现特征降维,最后采用归纳式推理的方式实现文本分类。[结果/结论]为了测试该文所提方法的性能,利用常用的公用语料库和自行构建的NSTL科技期刊文献语料库对本文提出的方法进行实验,与当前常用的文本分类模型进行准确率和推理时间的比较。实验结果表明,所提出的方法可在保证文本及文献大数据分类准确率的前提下,有效提高分类的效率。     

流媒体技术在现代远程教育的应用

现代远程教育技术是当前教育的一个重要研究领域,它的基本特征是,使用计算机网络和多媒体技术来实现数字环境下教学和学习活动,最后探讨了流媒体技术在远程教育系统中的具体应用和实现方案。     

基于BP神经网络的遥感影像分类方法研究

本文用遥感影像监督分类的常用方法与基于BP神经网络的分类方法对黑龙江省鹤岗市某区域高分二号数据进行土地利用分类,并比较分类精度,得出基于BP神经网络的分类方法总体精度相对较高。     

基于FPGA的音乐芯片的设计

本文研究了一个基于FPGA的数字音乐芯片的设计方案。该设计利用数字系统设计自动化（EDA）技术实现了全硬件结构的音乐芯片功能。系统具有集成度高、稳定性好、设计灵活和设计效率高等优点。     

基于语义扩展的数字文献自动分类方法研究

针对图书、期刊论文等数字文献文本特征较少而导致特征向量语义表达不够准确、分类效果差的问题,本文提出一种基于特征语义扩展的数字文献分类方法。该方法首先利用TF-IDF方法获取对数字文献文本表示能力较强、具有较高TF-IDF值的核心特征词;其次分别借助知网(Hownet)语义词典以及开放知识库维基百科(Wikipedia)对核心特征词集进行语义概念的扩展,以构建维度较低、语义丰富的概念向量空间;最后采用MaxEnt、SVM等多种算法构造分类器实现对数字文献的自动分类。实验结果表明:相比传统基于特征选择的短文本分类方法,该方法能有效地实现对短文本特征的语义扩展,提高数字文献分类的分类性能。     

直接数字式频率合成器设计

直接数字频率合成(DDS)是上世纪70年代初提出的一种新的频率合成技术,其数字结构满足了现代电子系统的许多要求,因而得到了迅速地发展。论文基于Altera公司的Cyclone EP1C6Q240,完成了一个直接数字频率合成器的硬件电路,并给出其电路原理图。     

基于相容粗糙集的BP神经网络湿地覆被信息提取——以双台子河口湿地为例

BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。     

一种改进的动态口令认证机制的建模研究

身份认证是计算机信息安全中的重要问题,本文通过分析身份认证机制及安全特性,对传统口令认证方法作了重要改进,在动态口令认证机制的基础上,提出了一个基于计算机硬件信息实现的动态口令建模方法,并实现了这种认证的一个原型系统。弥补了传统动态口令认证在安全上的缺陷,比原有的动态口令更安全,在信息安全上具有重要应用价值。