摘要：现有的深度神经网络隐写检测技术主要针对数字图像隐写,但视频隐写与图像隐写存在很大差异,因此无法将用于图像隐写分析的深度神经网络直接用于视频隐写分析。为此,文中以修改运动向量的视频隐写为检测对象,在新型图像隐写分析网络SRNet基础上,设计了一种用于视频隐写检测的深度神经网络,构造了能准确反映运动向量隐写修改的输入矩阵。实验结果表明,文中提出的方法对中低码率的视频检测准确率明显高于两种传统的视频隐写分析方法,且对不同码率的视频检测性能平稳。

摘要：BCDM(Bitemporal concept data model)是一种同时支持事务时间和有效时间的双时态数据模型,该模型不仅反映了客观事物的数据变迁情况,而且也记录了数据对象在数据库中的各种操作历史。以医院信息管理系统HIS的电子病历为例,介绍了BCDM双时态医疗数据的优化存储技术,分析了BCDM双时态医疗数据的增加、删除和修改等操作语义,进一步,为这些操作语义设计了相应的面向医护人员的数据更新算法。实际应用表明,该算法的可行性和有效性,从而为医护人员提供了简捷透明的BCDM双时态医疗数据操作方式。

摘要：针对现有人体动作识别方法不能很好地识别静态图像中动作的问题,提出一种结合姿态库和AdaBoost双层分类模型的识别方法。利用人体位置数据和Hausdorff距离创建初始姿态库,利用第一层分类器进行训练,获得由特征向量和空间信息组成的姿态库;基于第一层分类器获得测试图像的空间姿态激活向量(SPAV);将SPAV进行级联作为第二层分类器的输入,以具有最大分类分数的动作类型作为判别结果。在PASCAL2010和KTH数据集进行相关实验,实验结果表明,该方法在识别精确性和处理时间上具有优越的性能。

摘要：数据报表的编制与打印是信息管理系统中重要的功能模块之一。介绍了在Delphi开发环境下用QuickRe-port组件编制主从数据报表的步骤与实现过程,重点讨论了主从数据报表中的换页关联打印问题,并提出了相应的设计解决方案。

摘要：结合C语言课程对高职软件类学生的学情进行了简要的分析,从提高学生的学习自信心、激发其学习兴趣、强化其学习动机以及运用知识能力等角度出发,以for循环结构为例,重构并优化了相关的教学内容和教法,进而取得了较为满意的教学效果。文章的最后进行了有关的教学反思和讨论。

摘要：在时序数据的建模与分析过程中,趋势项往往是选用单一形式的函数来进行拟合的,这对于长时序数据而言,其拟合精度难以提高.为此,设计实现了一种分段拟合算法,该算法通过计算时序数据的各阶趋势导数,有效地把被拟合的时序数据划分成多个不同模式的子序列,在此基础上,选用合适的拟合函数对各个子序列的趋势项进行拟合,并基于最小二乘法求出相应的拟合参数向量.实验验证了算法的有效性和先进性.

摘要：针对医院信息管理系统(HIS)中的时态信息处理需求,提出了一种具有主从结构的双时态数据模型,进一步,对该模型的时态实体完整性、时态参照完整性以及用户定义的时态完整性进行了分析和设计。实际应用表明,新模型不仅具有良好的数据完整性约束机制,而且还易于实现时态数据的分段储存。

摘要：一般地说,时序数据通常是由趋势项、随机项及季节周期项三种成分组成的.通过对已有的时序数据进行分析与建模,便可以找出事物所蕴含的变化规律.针对多周期时序数据,设计实现了一种高精度的数据拟合算法.该算法首先对被拟合时序数据的趋势成分进行消除,然后应用自相关函数理论从剩余成分中析出多个两两互质的基本周期,最后基于最小二乘原理,用多组傅氏级数对多周期时序数据进行了拟合.实际应用验证了算法的有效性及先进性.

摘要：从时序数据中精确地分解出趋势、周期及随机噪声等数据成分,能有助于人们掌握事物在演变过程中所蕴藏的内在规律.基于非线性最小二乘法,提出一种性能更为高效的时序数据分解算法。首先,基于关键转折点和趋势导数的方法从待分解序列中概要地析出各种不同的数据成分,然后,分别利用多项式函数、正弦谐波级数及自回归模型对相应的数据成分进行拟合,最后,在加法模型中迭代求解各种数据成分的非线性最小二乘参数。实验表明,新设计的算法在分解精度和计算成本等指标上均优于现有的算法。

摘要：在实际生活中,广泛地存在着一类在整体上属于非平稳但又可转化为数段局部平稳的时序数据,对该类非平稳时序数据的辨识问题进行了研究,并提出了一种具有递推机制的分段辨识算法.该算法从平稳时序数据的定义出发,以均值、方差及自相关函数等数字统计特征为校验统计量,构造了具有递推机制的均值突变点、方差突变点及自相关函数突变点的析出算法,在此基础上,从被辨识的非平稳序列中划分出数段局部平稳的子序列,进一步,应用Burg算法对各局部平稳子序列进行了自回归的递推辨识.实验表明,新设计的算法能以较小的位置偏差析出各局部平稳子序列的分界点,同时,在保证较高精度的辨识条件下,计算效能获得了显著的提升.