基于深度学习的人脸局部遮挡表情动态识别算法

针对因人脸局部遮挡,导致表情动态特征较难提取和识别问题,提出一种基于深度学习的人脸局部遮挡表情动态识别算法。建立深度信念网络模型,将前一层输出值作为后一层输入值,设计特征堆叠单元,计算可见层中神经元的状态变量分布情况,根据面部五官间动态关联性,将可见层的状态值作为隐藏层的输入值求得隐藏神经元状态变量。将识别过程分为训练和正向传播2个步骤,输出特征变化规律,在正向传播过程中查找符合规律变化的像素点,求解该像素点权重,同时作为损失函数标准,比对面部多个位置的识别权重,约束识别率,完成人脸局部遮挡表情动态识别。实验数据证明,该方法能降低图像失真和细节丢失,提高图像分辨率,识别率高,针对不同局部遮挡情况均能完成高效识别。

JSP中BOM动态显示与隐藏的关键技术

BOM表达的是产品与零部件之间的相互关系,它是生产制造企业的核心数据之一。为了在JSP的客户端实现BOM信息的动态逐层显示与隐藏,就需要对产品的BOM信息进行先序遍历,将存储于数据库中的BOM信息提取出来,并存储到Java2中的Vector类的对象中,然后将树状结构BOM信息的每一层都实现为一个DIV,通过JavaScript代码控制DIV的显示与隐藏来实现BOM信息在客户端的动态逐层显示与隐藏。

抗截获物理层安全宽带传输技术研究

随着网电攻击一体化能力的提升,战术无线通信系统的上层通信协议和物理层信号结构与参数等面临着易被攻击、被干扰和被截获等安全威胁。现有的无线通信采用链路层和物理层独立设计方法,通过链路层信息加密、物理层信号抗干扰等措施保障信息安全传输。这种链路层和物理层独立处理架构已不能抵抗敌方强大的截获侦听破译所造成的安全威胁,需要从无线传输的物理层做好信息安全传输的“第一道防线”。因此,以物理层安全和动态可重构波形技术为基础,实现特征动态隐藏安全宽带传输技术,通过多维度的信号捷变,隐藏或减弱信号特征,有效提升信号抗截获与信息抗分析能力,实现通信与安全深度融合,提高战术无线通信系统的安全防护能力。