PLDP:收集和分析多维数据的个性化LDP

众包应用的普及加速了企业的发展,随之而来的隐私泄露问题已经成为公众关注的焦点。现有的本地化差分隐私(LDP)机制主要关注单个隐私级别的效用优化,这会导致某些用户因提供的隐私保护级别不足拒绝共享数据,而某些用户则获得过多的隐私保护。为满足用户不同的隐私保护需求,针对收集和分析多维混合型数据提出一种个性化本地差分隐私(PLDP)机制,为用户提供多个隐私保护级别。具体来说,提出一个个性化用户数据扰动框架,该框架针对数值型数据和分类型数据分别执行个性化的均值估计算法和频率估计算法,并通过理论分析证明算法的保密性和有效性。另外,提出一个个性化的采样方案,该方案根据服务器端的偏好对属性标签进行预处理,并按照其收集偏好对数据维度进行有偏采样。在两个真实数据集上的实验表明,与传统的LDP机制相比,提出的机制在保证用户数据隐私的同时,降低了收集数值型数据和分类型数据的统计误差,因此在隐私保护和数据可用性之间提供了更好的平衡。

基于Adaboost与LDP算法的人脸识别研究

针对人脸识别过程中识别时间和成功率等问题,提出一种基于改进Adaboost与LDP算法的人脸识别算法。对于采集到的图像首先使用基于YCbcr模型的皮肤分割算法,去除图像中的非人脸部分,减少图像的大小,节约特征提取的时间。再使用基于Adaboost的级联分类器检测出人脸区域。最后利用改进后的局部方向模式提取人脸特征进行人脸识别。使用yale人脸库作为样本集进行了实验,实验结果表明:结合了肤色分割的Adaboost算法检测成功率增加、耗时减少,改进后的LDP算法与传统LDP用时相差不大,但是识别成功率有所提高。

基于LDP算法的手写数字串切分

以银行票据OCR系统中的账号为例,分析了手写数字串切分的难点,提出了基于LDP算法的切分方法,并对切分过程中的搜索空间、搜索方法及代价函数进行了研究.实际应用表明,采用本方法处理手写数字串倾斜、拥挤和连笔的情况,能够取得良好效果.

基于改进LDP的人脸识别

针对基于局部方向模式LDP(Local Directional Pattern)人脸识别方法识别率较低的问题,提出一种基于改进LDP的人脸识别方法。该方法对LDP编码进行方向归一化处理,选取结构对比信息对各LDP人脸分块进行加权处理,提取人脸的LDP直方图特征,最后计算加权卡方距离得到人脸识别的结果。实验结果表明,该方法应用于FERET和CMU PIE人脸图像库,相对于PCA、LBP和LDP算法,识别率均有了明显的提高。

围岩时变承载能力定量评估的LDP-GRC耦合新方法

为定量判断二次支护时机,在围岩自承载系数基础上考虑岩石的流变力学性质,采用Boltzmann流变模型推导了围岩时变承载系数,研究了时间轴上围岩自承能力的变化过程和发挥程度.并以围岩时变承载系数为基础建立考虑时变效应的LDP和GRC曲线耦合新方法,定量得出二次支护时机及围岩时变承载系数间的相关关系.研究结果表明:1)不同隧洞断面处的围岩自承能力随时间变化趋势相似,都是开挖初期围岩自承能力迅速变弱,随后慢慢趋于稳定;经过相同的蠕变时间,距离开挖面越远,围岩自承能力越弱.2)同一隧洞断面处,时间越早围岩时变承载系数越大,围岩自承能力尚未充分发挥,不宜进行二次支护,即二次支护时机应该避开初期围岩自承能力变化剧烈时段.

LDP一致性测试的研究与实现

协议实现的一致性测试是保证网络设备之间互连的重要手段。LDP协议是MPLS的标记分发协议,本文在对LDP协议进行分析的基础上生成了测试集,选择了测试方法,并在现有测试系统Anvl的基础上设计和实现了LDP一致性测试程序。

基于LDP特征和贝叶斯模型的人脸识别

针对现有的局部方向模式LDP(Local Directional Pattern)方法仅利用了图像自身的LDP特征的问题,提出将LDP特征直方图与贝叶斯(Bayes)模型相结合的方法,从而有效使用人脸图像的先验信息,以提高人脸的识别率。第一步,在相互独立的训练集上,学习同类样本图像和异类样本图像的LDP直方图特征相似度的先验信息,并估计类条件概率密度函数(同类样本与异类样本分别进行计算);第二步,利用人脸图像的LDP直方图来比较该图像是否为某一类型图像的概率数值大小;第三步,使用贝叶斯规则进行分类。仿真结果证明,在ORL库与Yale库上,与传统PCA,LBP和LDP算法相比,所提方法得到的人脸识别率均有显著提升。

CR-LDP在自动交换光网络中的应用研究

文章在GMPLSCR LDP及其扩展的基础上,详细分析了呼叫和连接分离进行处理的方案,另外还介绍了利用新的标签集TLV和建议标签TLV,进行前向和后向标签分配的方法.最后,介绍了对连接或呼叫进行查询的操作,提出了应用策略控制技术来管理呼叫和连接状态查询的方案.

SR与LDP互操作研究

对SR与LDP两种标签交换技术在同一网络中共存及SR与LDP互操作性进行了详细的原理性分析和实验验证。并结合运营商网络的三种典型应用场景深入探讨了SR与LDP互操作,对传统IP/MPLS网络中引入SR技术具有较好的指导意义。

用于主干网上基于模拟的CR-LDP定量分析

在主干网上集成MPLS和D iffServ,引进用网络模拟器NS-2进行模拟实验,对D iffServ网、MPLS网、集成D iffServ和MPLS的网络进行定量分析,验证了其在特定环境中集成MPLS和D iffServ的效力.

MPLS宽带网络技术讲座 第2讲 标签分发协议(LDP)

标签分发是指一个标签交换路由器（LSR）向另一个LSR通告其标签 ／ 转发等价类的绑定信息。标签分发的过程实际上就是标签交换路径建立的过程。标签分发协议是MPLS的信令协议，因而在MPLS的体系结构中占有非常重要的地位。本文介绍了标签分发协议中的一些基本概念，并结合举例阐述了标签分发协议涉及到的标签操作和相应的消息处理过程。

基于LBP与CS-LDP自适应特征融合的人脸识别

为了提取更丰富的人脸纹理特征以提高人脸识别率,提出了局部二值模式LBP(Local Binary Pattern)与中心对称局部微分模式CS-LDP(Center-Symmetric Local Derivative Pattern)自适应特征融合算法。识别过程中首先用LBP算法对原始图像进行特征提取,然后用二阶微分CSLDP算法对图像进行特征提取,并将LBP与CS-LDP的特征向量融合得到最终的模板向量,通过直方图交叉距离计算模板向量的相似度。结果表明:LBP提取图像的一阶微分特征,而CS-LDP提取图像的二阶微分特征,融合两种特征获得更丰富的图像纹理信息。该方法在ORL、YaleB和FERET人脸库中的人脸识别率均达到了90%以上,为人脸识别技术提供了一种切实可行方案。

基于改进的LDP人脸识别算法

LDP算法是将与Kirsch算子运算后得到的一些负值的邻域灰度值作为中心灰度值的编码因子,这将会导致中心灰度值不能很好的反映邻域局部特征信息,从而降低识别率。针对于此,本文提出了一种改进的局部定向模式(CLDP)算法。该算法在LDP的基础上,去掉邻域灰度值为负值的因子,对中心灰度值进行重新编码,由于该编码值是将与Kirsch算子运算后的正值最大值作为图像边缘输出,使中心灰度值能很好反映邻域的局部特征信息,从而提高人脸的识别率。本文还将提出的CLDP算法用在YALE,ORL,JAFFE等人脸数据库中进行人脸识别。从实验的结果表明,该方法识别性能较LDP算法,LDN算法以及ELDP算法等更好的。

ASON的DCM信令模型及CR-LDP信令协议的研究

信令技术是自动交换光网络(ASON)的关键技术之一。本文在介绍ASON的分布式呼叫和连接管理(DCM)信令模型的基础上,详细地分析了CR-LDP信令协议在ASON的分布式呼叫和连接管理中的应用。

MPLS流量工程中的RSVP和CR-LDP

流量工程是MPLS的核心技术,它所要解决的问题就是减少拥塞,进行流量控制。本文详细介绍了实现MPLS流量工程的两种信令协议———CR LDP和RSVP扩展,并对它们的基本特征、可扩展性和可行性方面进行了分析和比较,我们认为CR LDP是未来MPLS流量工程中较为理想的选择。

Japanese LDP Delegation Visits China

At the invitation of CAFIU,a fourmember Japanese Liberal Democratic Party delegation headed by member of the House of Representatives Taira Masaakivisited Beijing from December 19 to 21.In Beijing,the delegation was met by Ji Bingxuan。

一种自适应加权LDP的虚拟现实设备表情识别方法

图像捕捉识别是虚拟现实设备表情捕捉识别方式之一,其核心在于表情识别算法。针对基于LDP(local directional pattern)的表情识别方法特征提取效率不高导致准确率偏低的问题,提出一种融合方向梯度特征的自适应加权LDP表情识别方法。首先,对人脸图像进行HOG(histogram of oriented gradient)方向梯度特征提取;之后,将其对应的梯度幅值图按照LDP分块方式进行子图像划分,得出自适应加权的LDP特征向量;最后,将新的特征向量与HOG方向梯度特征进行融合,送入SVM(support vector machine)分类器进行分类识别。为验证所提出算法的性能,将该算法与LDP、PCA-LDP、Multicore-CNN算法分别在Extend Cohn-Kanade表情库中进行实验比较。结果表明:所提出的算法有较好的人脸表情识别率和识别效率。

多分辨率CS-LDP及其人脸识别应用

提出了一种基于多分辨率的中心对称局部二阶微分模式(multi-resolution center-symmetric local derivative pattern,CS-MLDP)的人脸图像识别算法。CS-LDP算法仅仅从4个方向上提取图像纹理特征,不能充分描述图像纹理细节特征。在CS-LDP算法的基础上,通过插值运算得到更多的近邻点,再提取局部二阶微分特征,从而得到多分辨率CS-LDP算法(CS-MLDP)。

一种改进的LDP面部表情特征提取方法

特征提取是面部表情分类识别的研究重点。针对原始局部方向模式(Local Directional Pattern,LDP)特征提取速率缓慢的问题,对LDP的编码方案进行改进,设计了nLDP(new Local Directional Pattern)算子。选择Kirsch算子的4个方向模板来获取边缘响应值,然后将正的边缘响应置为1,负的边缘响应置为0,从而获得nLDP特征表示,最后采用支持向量机(SVM)对表情进行识别。实验结果验证了提出的nLDP算子在保证表情识别准确率的同时,有效地提高了表情识别的速率。

基于Sobel与LDP特征的人脸识别算法研究

针对人脸识别过程中采集到的人脸图像环境不同、存在非一致性光照和随机噪声等问题,提出一种基于的Sobel算子与LDP特征值的改进人脸识别算法。首先对采集到的人脸图像,依次利用加权平均值算法、改进的Sobel算子进行灰度化和图像增强,再通过改进的局部方向模式得到人脸特征直方图,最后与人脸库中的人脸特征直方图进行匹配。在yale人脸库上进行了实验,实验结果表明:这种方法确实可以结合两种改进算法的优势,同时具备较短识别时间和良好的识别率。