基于Bouncy Castle Crypto API的无线Web Services应用安全

讨论无线WebServices应用的安全问题,并基于XML数字签名技术,使用BouncyCastleCryptoAPI加密包,给出了无线Webservices应用安全的一种解决方案。

产教融合背景下金融学专业创新创业教育的研究与实践——以西南财经大学天府学院金融学专业为例

党的二十大报告强调,加快实施创新驱动发展战略。这对创新创业教育和深化教育改革提出了更高的新要求。现阶段,创新创业教育的内容和手段还不够丰富,没有贯穿到人才培养的全过程,无法形成专业特色鲜明、培养效果明显的培养体系。文章以西南财经大学天府学院金融学专业为例,从四个方面探索产教融合促进金融学专业创新创业教育,包括:深化课程改革,推动创新创业能力培养的系统化建设;推进创新创业能力与第二课堂的充分融合;促进“双导师”的跨界融合,强化模式优势支撑;强调思想引领,促进创新创业教育贯穿金融人才培养全过程。

机器人视觉路径跟踪识别定位优化仿真

对机器人视觉路径进行跟踪识别定位,可增加机器人在预定路径引导下的障碍物检测准确度。由于对机器人视觉获取的路径图像信息进行高度压缩,使得视觉信息数据存在大量误差。传统的跟踪识别定位方法主要通过对视觉数据分类、特征提取完成定位的,但是对误差小的数据不能准确的与正确数据进行区分,导致跟踪识别定位误差大、不准确的问题。提出采用数据聚类识别的机器人视觉路径跟踪识别定位方法,对数据间的相似度进行计算,根据计算结果对机器人视觉数据聚类成簇,并对簇进行标类,通过超矩形建模算法构建机器人视觉正确数据模型,将标类完成的待定位数据带人视觉正确数据模型中,实现机器人视觉路径进行跟踪识别定位。仿真结果表明,采用所提算法进行机器人视觉路径跟踪识别定位,具有很高的定位精度、所需时间短,定位性能较高。

大数据特征集准确检测仿真研究

对大数据特征集进行准确检测,可提高大数据的处理和分析能力。进行大数据特特征集检测时,主要以大数据信息的关键特征为基础,对大数据特征集进行进行准确描述完成检测,而传统的基于Relief的检测方法主要是通过对选取的大数据初始群体特征进行随机选择,导致大数据特征集中关键特征提取不准确,降低了特征集检测的准确性。提出采用粒子量化融合算法的大数据特征集检测方法,通过粒子群算法和离散二进制粒子群算法,提取具有代表性的初始大数据,并计算适应度函数及适应度值,对大数据特征集最优值进行提取和更新。采用速度与位置更新公式,对数据特征进行更新,将大数据特征集检测问题转换为判断其是否达到最优解的问题,完成大数据特特征集的准确检测,仿真结果表明,改进的大数据特征集检测方法精度高、耗时短。

强噪声条件下二维图像亚像素边缘检测改进

提出一种基于灰度矩的二维图像亚像素边缘检测改进方法.首先对二维图像的边缘快速定位,确定图像边缘点坐标;构建基于灰度矩的图像边缘检测数学模型,通过计算和调整边缘两侧灰度值、角度及方位等参数,求解边缘直线方程;最后对二维图像边缘进行误差校正和除噪声处理,完成二维图像亚像素的边缘检测.试验证明提出的方法在强噪声环境下,能够有效实现二维图像亚像素边缘检测,精度更高,计算简洁,而且运行速度快.

基于DCC-MVGARCH模型的石油、股票和黄金市场相关性实证研究

随着经济和金融全球化的不断深入,全球金融市场已经连为一体。本文利用Engle提出的DCC-MVGARCH模型研究了石油、股票和黄金市场之间的动态相关性。实证结果发现,WTI原油期货与现货市场、标普500指数、黄金市场之间的动态条件相关系数具有明显的时变特征,WTI原油期货与现货市场、股票市场、黄金市场之间存在动态相关性。

一种无标记点三维点云自动拼接技术

基于相位投影和双目的三维光学测量系统已经广泛应用于各领域。受投影光测量系统单次测量范围大小的限制,对大型物体的测量需要在表面粘贴圆形标记点进行多次拼接的缺点,探讨一种基于SIFT的无标记点自动拼接技术。该技术采用SIFT方法获取两次测量的特征点,其次结合RANSAC求出图像特征点的匹配关系,再根据立体匹配中图像特征点与三维点云之间的对应关系,将二维特征点的对应关系映射到三维点云的对应关系上,最后由SVD奇异值分解算法求得旋转和平移矩阵实现拼接。实验证明:该方法可以避免在被测量对象上粘贴标记点,能够快速准确地实现自动拼接。

基于双目视觉和投影圆的平面度非接触检测方法

针对传统平面度检测存在接触和测量位置固定等问题,探讨了1种基于双目视觉和投影圆的非接触式测量方法。该技术采用投影仪向被测量物体投射圆,然后由经标定的双目视觉传感器采集后,采用Zernike矩定位亚像素边缘,用透视投影变换形心移位偏差控制方法计算出形心坐标,最后采用对极几何匹配计算出圆心三维坐标,得到被测量物体的平面度误差。实验证明,该测量方法自由灵活,可以快速准确地得到平面度误差,系统测量平均误差小于0.06 mm。

应用于三维测量的彩色编码相位求解技术

基于相位投影和双目的三维光学测量系统已经广泛应用于各领域。针对雷格编码的相位解包裹技术需要投射的编码结构光幅数比较多,不利于对微动或者人体进行测量的缺点,探讨了一种基于彩色编码光进行相位求解的技术。该技术采用四位二进制彩色编码结构光得到相位周期;再结合由四步相移技术得到的相位主值[-π,π];最后,将两者结合得到真实而准确的绝对相位。实验证明,该方法大大减少了结构光投射的幅数,能快速而准确地得到真实的绝对相位。

基于PCA和AP的嵌套式KNN金融时间序列预测模型

本文提出一种金融时间序列预测的数据降维与信息融合计算智能模型-PANK模型。该模型由三个部分组成:(1)主成分分析(Principal Component Analysis,PCA),用于减少冗余信息;(2)仿射传播聚类(Affinity Prop-agation,AP),用于找到聚类中心和相应的聚类作为特征提取;(3)嵌套式k-最邻近元(Nested k-Nearest Neighbor,Nested KNN)用于回归预测。PANK模型先采用滑动窗口技术截取最近期的金融时间序列作为输入数据,再经过PCA减少冗余信息,提取富含有效信息的主成分,并将其放入AP中进行聚类,最后采用两层嵌套式NestedKNN预测。本文特别提出了一种新的嵌套式Nested KNN,可以有效解决KNN中的两个主要问题:计算量大和不均衡样本问题。通过对模型在欧元兑美元汇率和中国沪深300股指上的实证,结果表明PANK预测模型可达到80%的最佳命中率。

基于非线性特征提取和加权K最邻近元回归的预测模型

本文提出了一种智能的金融时间序列预测模型。该模型采用前向滚动经验模态分解(forward rolling empirical mode decomposition,FEMD)对金融时间序列进行信号分解,采用主成分分析(principal component analysis,PCA)对分解后产生的高维向量组进行降维.整个过程是一个复杂的非线性特征提取过程。再将提取的特征输入一种新的利用PCA输出的加权K最邻近法(K-nearest neighbor,KNN)进行回I预测。该模型在特征提取过程的构造和整体结构上都是具有创新性的,并提出了比简单的KNN预测更有效的改进算法。实证结果证实了该模型对中国股票指数的预测效果。