基于GM(1,1)预测的残缺图像的修复算法

在分析图像传输数据丢失的原因和特点的基础上,借鉴灰色预测的思想,提出了对残缺图像进行恢复的灰色预测方法,该算法基本满足了图像恢复的要求,并通过实验得到了该算法的适用条件。

结合颜色向量角和灰度熵的图像修复

针对现有图像修复算法效率低下的问题,提出一种结合颜色向量角和灰度熵的图像修复改进算法.根据颜色向量角能够衡量图像中不同颜色之间的差异特性,算法先构造边缘项来代替Criminisi算法中的数据项,并改进优先级计算方式;然后根据图像局部灰度均值的一维信息熵来度量图像中待修复块周围图像,进而采用局部平均灰度熵确定搜索区域的大小,以减少搜索最佳匹配块的搜索时间.实验结果表明,与Criminisi算法相比无论从速度上还是修复的质量上文中所提算法都占有优势.

任务驱动教学法在《Access数据库程序设计》教学中的应用

"任务驱动"教学法是一种建立在建构主义教学理论基础上的教学法。本文结合《Access数据库程序设计》教学目的及课程特点,探索在《Access数据库程序设计》课程教学中采用任务驱动的教学模式。

基于灰色预测的残缺图像的修复算法

在分析基于UDP的图像传输数据丢失的原因和特点的基础上,发现其特点是图像按行进行传输,因而数据丢失而产生的图像残缺也是按行发生的。基于相邻点间的灰度值关联度较大的原理,提出按列处理数据的方法,对每一列的丢失数据采用预测方法,预测出各行丢失的数据,进而达到修复整幅图像的目的。借鉴灰色预测的思想,提出了对图像按列进行恢复的灰色预测方法,该算法基本满足了图像恢复的要求,并通过实验得到了该算法的适用条件。

改进的基于区域加权信息熵的图像修复方法

针对目前图像修复效率低下的问题,提出一种基于区域加权信息熵的图像修复改进算法。根据颜色向量角能够衡量图像中的颜色差异特性,先构造边缘项来代替Criminisi算法中的数据项,并改进优先权计算方式;然后根据区域加权信息熵对图像待修复区域进行分块,进而根据熵值确定最佳匹配块。最后的实验结果表明,文中的图像修复算法不但有更好的修复效果,且耗时更少。

面向SOAP消息的Web服务注入攻击检测方法

面向SOAP消息的注入攻击对Web服务的发展前景和应用产生重要的影响,而目前尚缺乏有效的检测方法,为此我们提出了一种基于行为模式的注入攻击检测方法.该方法在Web服务访问日志行为建模阶段采用长度不同的特征子串来表示行为模式,并通过序列模式的支持度来建立正常消息行为模式轮廓;针对注入攻击复杂多变的特点,进一步提出基于矩阵相似匹配结合相似判决阈值的注入攻击检测模型.实验结果表明,与多种其他经典检测方法相比,该检测方法在检测率和误报率等方面检测效果好,可有效地检测出注入攻击.

加权平均插值法在图像修复中的应用

基于偏微分方程的图像修复算法运行缓慢,难以恢复纹理细节,实用性较差。本文提出一种简单有效的基于插值模型的图像修复方法。实验表明该方法具有计算复杂度低和能够恢复图纹理细节的优点,对于图像小区域划痕具有很好的修复效果,具有较高的实用价值。

Peierls基态的量子涨落效应

介绍了一维电-声相互作用体系中Peierls二聚化基态的量子晶格涨落效应的近期研究进展。在简略评述国内外相关工作的基础上,给出采用泛函积分方法在单圈图近似下获得的量子晶格涨落对基态二聚化的影响。对一维分子晶体Holstein模型,证明量子涨落会破坏Peierls二聚化,产生从二聚化的电荷密度波到Luttinger金属相的相变。这一结果纠正了前人的错误,并已得到同行的证实。对描写共轭高分子的Su-Schrieffer-Heeger模型,给出了在Gross-Neveu极限下,弱电声作用体系的零动量光学声子频率为零;非简并高分子的量子涨落减少;链间耦合部分抑制量子涨落,从而使得任何耦合常数和声子频率的体系量子涨落均不会破坏Peierls二聚化。

组合预测条件及其在汇率预测中的应用研究

在文献［２］给出的非平稳时间序列预测组合条件的基础上，本文提出并证明一个具有重要实用价值的命题。探讨该命题在汇率预测中的应用问题。

低维体系的不稳定性和电子关联

一维和二维体系的费米面会呈现叠套(nesting),于是,晶格结构和电子状态的重新调整(使费米面和布里渊区边界相互重合)可使体系能量降低而形成新的基态,这使低维体系具有不稳定性并产生相变,同时还会形成多种新型元激发(电荷密度波(CDW)、自施密度波(SDW)、孤子(soliton)、极化子(polaron)、分数电荷,spin bag,位相子等)。许多重要的低维体系(导电高分子、二维电子气、氧化物超导体的铜氧层等)都具有强电子耦合5研究电子关联对体系不稳定性的影响是当前凝聚态物理的重要课题。近年来,在此领域内,有两派相反的观点进行着激烈的争论:一派认为电子-电子相互作用会增强晶格不稳定性,而且增强得很多,以致不稳定性主要来自于电子-电子相互作用,电子-晶格相互作用是次要的。另一派则认为电子-电子相互作用会减弱晶格不稳定性,而不稳定性是由电子-晶格相互作用产生的。 本文首先描绘低维体系的不稳定性和各种基态及元激发的物理图象,接着介绍争论双方的论点,随后分析两派分歧的产生原因,进一步指出如何澄清这场争论。从中将说明,Hubbard模型的局限性会带来问题,解决争论的关键是正确地描述电子相互作用,由屏蔽效应而形成的相互作用力程是决定性的因素。当屏蔽较弱时(长程相互作用)。

一种简单的块匹配图像修复算法

图像修复是对图像的破损区域的复原,实现对图像的小区域的重建。对图像修复的主要方法有两类:一种是基于偏微分方程(PDE)的修复方法,另外一种为基于纹理合成的修复算法。大多数现有图像修复算法都非常复杂,修复速度慢。基于纹理合成算法主要是搜索的范围太大导致效率低,为了在修复效果和效率之间取得折中,文中提出了一种简单的基于块匹配修复算法,应用不同的修复模板,根据图像的空间连续性,缩小了匹配块的搜索范围,大大提高了修复效率。该算法实现简单,修复速度快,对空间较连续的图像修复效果较好。

Web日志挖掘中模糊C均值聚类研究

Web日志挖掘就是通过一定的方法分析Web日志数据,发现用户的访问习惯,帮助管理人员改进Web站点的性能和结构,提高用户获取知识的质量和速度。笔者首先在Web日志挖掘的背景下分析了模糊C均值聚类算法的缺陷,针对其的不足,在粗糙集理论的支持下,介绍属性信息量的概念,并通过计算待聚类对象的属性权值,区分重要性属性和噪音属性对聚类结果的影响,实验证明该方法提高了模糊C均值聚类算法的准确率。

情景感知的本体网络化学习系统模型研究

为解决网络化学习系统中学习者被动学习的问题,构建了基于情景感知的本体网络化学习系统,该系统可根据情景信息合理调度学习服务资源及时反馈给学习者.首先由情景获取模块实时采集情景信息,并构造情景信息模型;然后情景推理模块对情景信息进行推理和分析,构造出关于学习合理性、学习效果等推理规则;最后学习资源的调度模块根据采集值及相应推理规则调用合理的学习资源及时提供给学习者.实例证明,所提出的情景感知的本体网络化学习系统是有效而可行的,提高了学习者的学习效率.

本体E-Learning系统中的情境感知技术研究

引入情境感知的相关概念和技术,结合本体E-Learning环境的特点,根据感知到的学习者学习过程中的学习情境信息建模.该模型能够主动感知用户情境的变化并进行信息交互,通过分析学习者的个性化需求主动提供学习资源服务.最后,应用实例验证了本文构建的系统能够实现学习资源服务的自适应服务.

Web日志预处理技术探析

随着Intemet的普及，web日志挖掘成为一个新的研究课题。由于web日志数据的半结构化，为了得到有效的挖掘模式，提高挖掘算法的效率，首先需要对数据预处理。该文详细介绍了Web日志数据预处理的四个步骤：数据清洗，用户识别，会话识别和路径补充，并实现了对某校院网日志记录的预处理，得到了理想的结果。-

以应用为驱动构建计算机公共基础课程群

从应用型本科对人才培养的目标及计算机公共基础课程的教学内容出发,以应用为驱动对计算机公共基础课程群建设进行了研究,并提出以课程群为依托的实践平台和网络教学平台的建设方案。为同类院校非计算机专业计算机基础课的教学改革提供了新的思路。

应用型本科院校计算机基础教育的个性化研究

针对当前应用型本科院校计算机基础教育的现状不能很好的满足学生个性化学习的需求,本文从应用型人才培养和个性化学习的角度出发,分别对应用型本科高校计算机基础教育层次的定位、个性化教材的选定、根据实际环境和需求进行个性化的教学设计等方面进行了深入研究,以期能够把握应用型本科高校计算机基础教育改革的方向,培养出更多社会需要的即掌握本专业知识又熟悉计算机技术的新型专门人才.

Web文本聚类的研究与实现

Web文本聚类是使文本之间具有最大的簇内相似性,同时具有最小的簇间相似性,它是一个将文本集分组的全自动处理过程。本文首先提出了Web文本聚类模型,然后对Web文本聚类关键技术进行了深入的研究,讨论了分词、特征表示、特征选择和K-means算法等相关技术。最后,实现了该文本聚类系统,对采集到的Web文本进行聚类,实验证明此算法具有很好的聚类结果。

E-Learning环境下基于学习者偏好的高校精品课程研究

E-Learning环境下的高校精品课程建设应该以促进学习为导向。通过对网络环境下精品课程资源个性化学习现状进行调查和分析,揭示出精品课程个性化学习存在的诸多问题,并在此基础上,从学习者的学习偏好出发,对E-Learning环境下精品课程的个性化教学服务进行了较为深入的分析与研究。