去除高斯噪声的快速分区域去噪算法

针对使用统计方法对图像进行分区域去噪时,区域划分的阈值存在人为选择和整个去噪过程耗时过多的问题,提出了一种无需人为选择阈值参数的快速分区域去噪算法。对污染图像进行噪声估计;用两个矩阵分别存储在后期计算过程中反复使用的平方值,进行无需人为选择阈值参数的区域划分;分别用不同的策略对不同区域去噪,将区域去噪结果合成恢复图像。实验结果表明,该算法具有较快的运算速度,处理的图像有较高的峰值信噪比。

基于因素神经网络的入侵检测模型

通过对网络攻击和防御的分析,提出一种基于因素神经网络理论(FNN)的入侵检测模型,描述入侵检测模型的结构和工作流程,将解析型因素神经网络和模拟型因素神经网络结合起来,解决对复杂入侵行为建模难的问题。通过实验对模型进行验证,实验表明该模型对已知入侵行为检测的准确度高,对未知入侵行为也能做出准确的判断。