基于二维映射关系的视频信息隐藏算法

提出一种新的基于H.264/AVC压缩域的视频信息隐藏算法。该算法利用魔方矩阵建立待隐藏的信息与载体DCT系数之间的二维映射关系,并提出嵌入代价和载体利用率等相关概念来验证此二维映射关系的有效性,从而在载体利用率相同的情况下能够获得比常规一维映射更低的嵌入代价。实验结果表明,该方法具有实用性强、对视频质量影响小等特点。

基于云模型的自适应蚁群算法改进研究

为了解决蚁群算法易早熟于局部最优及收敛速度慢的问题,采用云模型理论来合理调控蚁群算法的随机性程度,分别提出针对蚁群算法参数、云模型参数以及较优路径判定的自适应调整策略,同时提出信息素分布状态的评价算法。针对多个TSP问题进行仿真实验,结果验证了提出的算法的高效性与稳定性。

基于粒子群优化及二维映射的视频水印算法

数字视频水印算法存在的共同问题就是如何解决水印容量、鲁棒性和不可感知性三者之间的矛盾。基于此,提出一种新的H.264/AVC视频水印算法,算法利用粒子群优化算法选择嵌入载体位置并以此位置构造与水印信息之间的二维映射关系来嵌入水印信息。仿真实验结果表明所提算法能够很好地解决上述三者矛盾问题,具有较强的实用性。

CO_2法防治酒曲害虫的研究

采用食品级CO2防治中、高温酒曲害虫,根据灭杀曲虫重量、曲块损耗率判定防治效果;并对防治前后曲块的理化指标、库房空气中以及曲块中主要微生物种类及数量进行测定,确定该法是否可行;实验研究结果表明:通气处理4 h,保持CO2浓度80%,为CO2防治酒曲害虫的较佳条件,在此条件下,单位重量曲块中灭杀曲虫数为129条/kg,曲块损耗率从12.86%下降到2.19%;库房空气中与曲块中微生物种类及数量均无明显变化;通过该法防治后的酒曲能保持正常、良好的曲香味,且色泽、外观均较好.

蚁群算法在多目标TSP问题中的应用研究

鉴于蚁群算法在处理组合优化问题中的优势,本文针对多目标TSP问题,对蚁群算法进行深入研究,探索多目标环境下蚁群算法的运行机制,同时构建多目标蚁群算法框架,并设计优化算子。仿真实验结果验证了本文算法的可行性与有效性。

基于Wiki环境的协作学习模式在《数据库原理》课程中的应用探究

Web 2.0时代下,Wiki技术的日趋成熟,如何有效的将Wiki技术引入到具体课程中,以期解决当前大学教育背景下出现的师生互动难、学生学习兴趣缺乏等诸多问题.针对《数据库原理》课程先修课程较多、内容较为抽象难学、学生学习兴趣不浓、师生间互动难等问题,将Wiki技术与协作学习理论相结合,创建Wiki环境下的协作学习模式并应用到该课程中,通过建设平台资源、研究协作学习理论、建构学习主题等措施去改进传统的教学方式,激发学生对《数据库原理》课的学习兴趣,以期达到促进《数据库原理》课堂教学质量提高的目的.

Wiki环境下的“数据库原理”课程教学研究

对于数据库原理课程来说,无论从理论层面还是技术层面都属于计算机专业的基础课和必修课。针对该课程先修课程较多、内容较为抽象难学、学生学习兴趣不浓、师生间互动难等问题,根据Wiki具有环境开放、资源共享、构建简单、能够在某一领域形成一个知识共享的特点,利用Media Wiki引擎建立了一个基于B/S模式的数据库原理课程的动态的开放教学平台。旨在通过平台的资源建设、主题建构、活动研究等方面的研究与实施,激发学生对《数据库原理》课的学习兴趣,真正做到把学习的主动权交给学生,促进《数据库原理》课堂教学质量的提高。

基于HEVC视频编码标准的并行解码策略研究

将并行化策略引入到新一代HEVC视频编码的标准中,提出一种在解码阶段的熵片中应用并行策略的算法。通过将每行最大编码单元(LCU)作为一个熵片来编码视频,以波阵面并行的方式解码多行LCU。算法在配置为12 Intel Xeon Cores、3.3 GHz的PC机上进行了评估测试。其结果显示,在视频分辨率为1 920×1 080 p(53.1 fps)和2 560×1 600(29.5 fps)引入并行化策略后的执行速度与采用顺序执行时的执行速度相比较有了显著的提高,并且能够达到很好的实时性效果。

一种基于视频监控系统的隐私信息保护与检测算法

该文提出一种新的基于H.264/AVC格式的监控视频隐私信息保护和检测算法。针对视频监控系统中的隐私信息容量大和信号弱的特点,利用人眼的视觉特性通过对4×4块DCT系数进行分类,实现隐私信息的嵌入。利用代数拖尾的α稳定分布来建立DCT系数的统计分布模型,为视频授权的用户提供基于α稳定分布模型的检测隐私信息的方法。仿真实验结果表明所提算法在保证隐私信息容量大的前提下,能保持较好的视频透明性和较强的信息检测能力。

云计算环境下的数据库安全策略分析

现如今,我们正处于"云时代",云计算数据库在为人类生活带来便利的同时,也存在着诸多数据信息的安全隐患,使得云计算数据库安全问题成为阻碍其发展和应用的关键问题之一。因此,针对云计算数据库安全问题展开研究具有重要的意义。本文浅析了云计算数据库信息的安全问题,并提出一些可行的安全策略及建议,以期对解决云计算数据库安全问题起到积极意义。

可抵抗共谋攻击的H.264/AVC压缩域数字视频水印算法

针对H.264/AVC编码标准的新特性,提出一种可抵抗共谋攻击的压缩域鲁棒数字水印算法。对Noorkami等算法进行改进,水印的安全性是基于水印嵌入位置的随机性,通过DC系数的相关改变量产生密钥从而确定水印的嵌入位置。通过改变每个宏块的一个4×4块的非零量化系数嵌入水印。仿真试验表明,本算法在保证视频的视觉质量的前提下,水印的嵌入量有很大的提高。此外,水印提取时不需要对压缩码流完全解码,并能满足实时盲检测的要求。

一种改进的基于编码模式的视频信息隐藏算法

本文提出一种改进的基于H.264/AVC标准的信息隐藏算法,通过构建I帧宏块的编码模式与嵌入信息之间的映射关系嵌入隐秘信息。在嵌入过程中引入矩阵编码建立信息与载体间的映射关系。实验仿真结果表明所提算法与同类算法相比具有更好的载体利用率,同时对视频码率和主客观质量的影响也得到较好的效果。

基于运动矢量相位调制的视频水印算法

目前大多数压缩域数字视频水印算法都在视频信息的I帧嵌入信息,没有充分挖掘P、B帧的容量.本文通过分析运动矢量的数据统计特性,提出一种基于运动矢量相位统计特性来隐藏水印信息的视频水印算法.该算法最大特点是利用运动矢量相角角度抖动的基本思想将水印信息嵌入到运动矢量中.算法简单、实用.同时利用矩阵编码来解决运动矢量修改率有可能过高问题.实验表明通过该算法具有很好的鲁棒性和不可感知性,能够抵抗帧删除等同步攻击以及基于视频内容的攻击.

基于Matlab的非平稳谐波检测方法仿真研究

针对传统的傅里叶变换对于检测非平稳谐波存在的缺陷,分析了两种非平稳谐波检测方法:短时傅里叶变换和小波变换。首先介绍了短时傅里叶变换和小波变换谐波检测方法的基本原理,然后通过Matlab使用上述两种方法对非平稳谐波模型进行了仿真。理论分析和仿真结果表明,两种方法均可以达到检测非平稳谐波的目的,但又各有优缺点。

基于脆弱水印的H.264视频流完整性认证

针对H.264/AVC视频流的完整性认证问题,提出了一种基于脆弱水印的认证算法.根据公钥密钥,提取I帧的特征信息生成认证码,并以水印的形式嵌入到P,B帧的运动矢量中.在视频认证时,只需要部分解码视频流,并不需要原视频作参考.仿真实验结果表明,本算法具有较小的码率变化和视频失真,并能有效地对I,P和B帧进行完整性认证.

求解TSP的新量子蚁群算法

鉴于蚁群算法(ACA)在求解TSP时表现出的优越性,以及量子进化算法(QEA)在求解组合优化问题时表现出的高效性,将ACA与QEA的算法思想进行融合,提出一种新的求解TSP的量子蚁群算法。该算法对各路径上的信息素进行量子比特编码,设计了一种新的信息素表示方式,即量子信息素;采用量子旋转门及最优路径对信息素进行更新,加快算法收敛速度;为了避免搜索陷入局部最优,设计了一种量子交叉策略,以改善种群信息结构。仿真实验结果表明了该算法具有较快的收敛速度和全局寻优能力,性能明显优于ACS。

覆盆子枸杞生态保健酒的研发

以覆盆子为主要原料,辅以枸杞,经酒精发酵生产覆盆子枸杞生态保健酒,运用正交试验确定发酵的工艺条件为:酵母菌接种量为2%,枸杞添加量为20%,发酵温度25℃,发酵时间为7d。成品感官指标、理化指标及微生物指标均达到国家标准。

基于云模型的模糊自适应蚁群算法研究

针对蚁群算法存在控制参数难以确定和易陷入停滞等不足,采用云模型理论对蚁群算法进行改进,将云模型作为模糊隶属函数,选择部分较优路径进行全局信息素更新,从而提高算法对路径的开发和探索,同时通过对云隶属函数的参数控制,实现算法的自适应调整策略。针对TSP问题进行仿真实验对比,结果也表明基于云模型的蚁群算法要明显优于ACS和MMAS算法。

对于带有色噪声的多传感器系统两段辨识信息融合算法

对于一个多传感器系统,当其中每个传感器的观测噪声都是独立的有色噪声时,假设系统模型结构已知,而有色噪声的参数和系统噪声方差完全未知时,对其提出了一种两段辨识算法。此算法首先对系统建立相应的自回归滑动平均模型,然后通过递推辅助变量法辨识出自回归参数,接着通过求相关函数构造的若干个线性方程,解出作为未知量的噪声方差,其中部分噪声方差通过算术平均融合得到更精确的估值,融合估值的精确度高于局部估值。该方法可用于GPS导航中的自校正估计。对一个三传感器系统例子用matlab仿真,当步数在2000步以上时估值已稳定收敛于真值,5000步以上稳定在偏差度5%以内,可满足实用要求,从而证明了此辨识方法的有效性。

改进的多宇宙并行量子进化算法

通过设计一种新的量子个体更新策略,提出了改进的多宇宙并行量子进化算法,并对算法的收敛性进行了分析探讨,从理论上证明了该算法的有效性,最后将该算法用于多目标0/1背包问题。仿真结果表明:改进方法能够找到接近Pareto最优前端的更好的解,同时维持解分布的均匀性。