摘要：为提高现有发动机连杆拉压损伤检测方法的检测准确率和检测效率,提出发动机连杆恒定机械拉压损伤自适应检测方法。该方法首先研究发动机连杆的机械运动原理及连杆受恒定机械拉压强度影响的分析,然后获取与发动机连杆机械拉压相关的相对损伤分布数据,计算各项相对损伤分布数据所对应的连杆损伤程度,最后利用遗传算法完成概率神经网络模型的优化,基于上述得到的损伤数据建立连杆恒定机械拉压损伤自适应检测模型,实现发动机连杆恒定机械拉压损伤自适应检测。实验结果表明:所提方法检测准确率高于88%,检测时间不超过0.4s,均优于对比方法,具有一定研究价值。

摘要：由于图像隐写所引起的各种统计特征变化是不确定的,文中将Vague集相似度量引入隐写系统的安全性评价中.从图像的一阶统计特征和二阶统计特征两方面,定义了基于载体数据及载密数据相关Vague集相似度量的隐写系统一阶和二阶安全性测度,证明了该安全性测度的有界性,对称性和一致性.在假设图像满足独立同分布的条件下,证明了所提出的两种安全性测度是等价的.结果表明,所提出的二阶安全性比一阶安全性能更好地反映隐写引起的载体统计分布变化.与确定模式下的安全性测度相比,当嵌入率低于0.5比特/像素,新的测度可更好地度量隐写系统安全性,因此该测度对小容量的隐写及隐写分析算法设计具有更好的指导作用.

摘要：为了解决当前较多红外图像增强方法依靠图像的直方图来增强图像,没有考虑图像所含信息量的大小,导致增强结果存在边缘模糊等不足,设计了信息熵引导耦合复杂度调节模型的红外图像增强算法。引入非局部均值滤波方法,将图像中的噪声去除的同时保留图像的细节内容。再利用信息熵函数,测量出图像所含信息量大小,以计算自适应分割阈值,将图像自适应的分割成两部分,并基于直方图均衡化方法,对分割后的子图进行对比度增强,从而求取富含信息量的对比度增强图像。根据图像的灰度级大小,建立复杂度测量函数,计算出图像的细节丰富程度;构造复杂度调节模型,根据图像的细节丰富程度,对图像的细节进行不同程度的增强,以获取边缘等细节特征清晰的细节增强图像。实验结果显示,较当前红外图像增强算法而言,所提算法可更好的提升增强后图像边缘等细节特征的清晰度。

摘要：为解决在大学计算机基础课程学习系统中,由于大量数据同时上传到服务器造成负载过重的问题,本文将云计算引入到该系统的设计中。该系统采用Hadoop并行编程模型,搭建了实验性的云计算平台大学计算基础课程学习系统。该系统具有分布式计算,资源共享等特点。实验结果表明,云计算与大学计算机基础课程学习系统建设相结合能有效地解决服务器负载过重问题。

摘要：人脸识别易受到光照变化、遮挡等影响,降低了识别准确率,为此提出一种基于相对边缘方向幅值模式(relative patterns of oriented edge magnitudes,RPOEM)与尺度不变特征变换(scale-invariant feature transform,SIFT)的人脸识别算法。检测脸部的关键点,利用k-均值对这些特征点进行聚类;为消除光照变化的干扰,计算图像的相对梯度幅值,对其进行离散化分解与Gaussian滤波处理;采用局部二值模式编码生成RPOEM特征;引入加权因子,对RPOEM与SIFT特征进行加权组合;通过定义非一致度量来完成对人脸识别的共形预测。实验结果表明,与已有的人脸识别技术对比,所提算法具有更高的识别准确率,对多种复杂背景具有更强的鲁棒性。