基于.NET多层架构的文件档案管理信息系统设计

为提高管理信息系统最大并发用户数量,设计基于.NET多层架构的文件档案管理信息系统。首先,选择双卡双网OpenWRT5G工业路由器作为系统核心硬件设备,在SQLServer数据库服务器上建立文件档案管理信息库;其次,将系统用户划分为3类,划分系统用户管理权限,设计电子文件归档管理;最后,进行实验对比分析。实验结果表明,该系统可以提高系统的承载力,避免接入用户数量较多导致系统运行出现卡顿。

基于HTML5技术的网络互动广告信息植入平台设计

传统平台在网络互动广告信息植入中应用效果不佳,不仅误码率比较高,而且广告信息转跳时间比较长,无法达到预期的广告信息植入效果,因此提出基于HTML5技术的网络互动广告信息植入平台设计。采用浏览器/服务器(Browser/Server,B/S)分布式架构作为网络互动广告信息植入平台的整体架构,由用户浏览器、表示层、业务逻辑层、数据访问层以及数据库构成平台的整体架构。软件方面利用密码学技术对植入广告信息加密预处理,利用HTML5技术将广告信息插入网络播放列表中,实现对植入广告信息的可视化展示,进而实现平台设计。经实验证明,本次设计平台的误码率在1%以内,网络互动广告信息转跳时间在2s以内,在网络互动广告信息植入方面具有良好的应用前景。

基于视觉感知的低照度图像自动识别系统

针对传统系统图像识别准确率较低的问题,设计了基于视觉感知的低照度图像自动识别系统。硬件上选取图像信息采集器和图像识别芯片;软件设计上通过采集图像信息,获得低照度图像样本,并利用视觉感知技术设置图像样本的相关参数,实现对样本图像的特征提取,之后通过计算图像的相似度,实现图像的自动识别。实验结果表明,设计系统的图像识别准确率为98.8%,具有较大的应用价值。

结合图像帧显著变化特性的棉花监控系统视频通信质量评价

针对棉花视频通信网络中质量评价方法忽略本身动态变化特性的问题,提出一种基于图像帧序列显著变化特性的加权视频质量评价方法。该方法从单帧视频的亮度、色度、对比度3个方面提取图像特征,根据灰度共生矩阵求取图像纹理的角二阶矩,并以角二阶矩作为衡量视频动态变化程度的权重,最后通过视频帧加权的方式来得到整个视频的质量评价结果。针对LIVE数据集上的实验测试结果表明,与典型视频质量评价模型相比,该方法评价结果与主观结果之间的性线性相关系数达到0.921,离出率为0.408,能够准确反映人眼视觉感知,评价结果更接近于主观评价,有利于建立适用于棉花监控系统的通信质量评价体系。

基于蒙特卡罗的无线传感网络通信故障节点定位方法

常规无线传感网络通信故障节点定位方法主要使用暂态模板矩阵获取故障特征,易受虚拟定位阻抗影响,导致故障节点定位时间开销过高,需要基于蒙特卡罗设计全新的无线传感网络通信故障节点定位方法。即确定感知距离。实验表明,设计无线传感网络蒙特卡罗通信故障节点定位方法在不同定位锚节点的定位时间开销均较低,证明设计的信故障节点定位方法的定位效果较好,有应用价值,为优化无线传感网络的通信进程作出贡献。

基于知识图谱的高校创新创业资源个性化推荐方法

针对高校创新创业资源个性化推荐结果的召回率不高的问题,提出基于知识图谱的高校创新创业资源个性化推荐方法。首先,抽取互联网中的创新创业资源知识,基于知识图谱建立语义匹配矩阵;其次,计算三元组向量及特征矩阵,得到对应的语义匹配矩阵;最后,构建兴趣模型,设定个性化推荐参数,实现高校创新创业资源个性化推荐。实验结果可知,该方法的平均召回率为0.2612,较其他方法高0.07~0.08,能够有效提高推荐结果的召回率。

基于卷积神经网络的网络通信异常信号智能识别方法

当前的网络通信异常信号智能识别节点设定多为单向,识别的范围受到限制,导致误识率增加,为此提出对基于卷积神经网络的网络通信异常信号智能识别方法的设计与研究,根据实际的识别需求及标准,先进行提取异常信号识别特征,采用多目标的形式,打破识别范围的限制,部署多目标识别节点,建立异常信号交叉判别矩阵,以此为基础,构建卷积神经网络异常信号智能识别模型,采用随机池化处理实现异常信号智能识别。对比于传统深度学习通信异常信号智能识别测试组、传统人工智能通信异常信号智能识别测试组此次所设计的卷积神经网络通信异常信号智能识别测试组最终得出的误识率被较好地控制在了15%以下,说明该种异常信号识别形式的速度及效率较高,识别的范围大,误差可控,具有实际的应用价值。

基于朴素贝叶斯的网络异常流量攻击行为预测方法

为解决网络异常流量攻击行为预测准确性较低的问题,研究基于朴素贝叶斯的网络异常流量攻击行为预测方法。首先,提取流量特征,对流量进行分类;其次,控制异常流量的攻击,对网络异常流量的攻击行为进行处理与预测,实现对攻击行为的实时监测;最后,进行实验分析。实验结果表明,该方法对于异常流量的预测准确率较高,能够有效地适用于复杂多变的网络流量信息。

基于卷积神经网络的智慧楼宇人脸快速识别方法

针对传统人脸识别方法存在识别率低、识别时间较长的问题,提出基于卷积神经网络的智慧楼宇人脸快速识别方法。首先,运用导向滤波对图像进行细化和去雾处理,通过卷积核提取图像特征并降维,计算出残差值优化权重;其次,通过填充的方式改变特征图的大小,更新卷积层参数;最后,进行实验分析。实验结果表明,该方法的识别率均能够达到89%以上,识别时间均在0.9 s以内,可满足实际应用需求。

基于改进OTSU法的原棉破籽类杂质快速检测

针对原棉破籽类杂质视觉检测中OTSU方法最佳阈值难以确定的问题,提出基于粒子群优化最佳阈值的杂质检测方法。首先对图像进行灰度变换,去除图像中冗余信息与噪声数据,然后将类间方差设置为目标函数模型,通过动态调整惯性权重因子与自适应动态调整学习因子进行优化,迭代整个群体的全局最优位置和粒子自身的历史最优位置,进而求解最大类间方差,获取最优图像分割阈值。实验结果表明:与OTSU方法相比,改进OTSU方法的杂质检测相对误差平均降低2.74%,检测到的杂质边缘信息能够有效表征杂质像素属性,杂质边缘描述清晰明确,适用于原棉破籽类杂质快速检测。

应用自适应滤波与阈值迭代的原棉杂质视觉检测方法

针对Canny算子滤波模板参数与高低阈值人为设定而导致的杂质弱边缘丢失问题,提出一种基于改进Canny算子的原棉杂质检测方法,该方法采用自适应平滑滤波代替高斯滤波对原棉图像进行平滑,以小尺寸平均加权滤波模板与原图像迭代卷积,并在每次迭代过程中自适应地调整各像素的加权系数,同时,采用的最大类间方差法能够自适应地确定高低阈值,实现了滤波模板参数与高低阈值的自动优化,避免了弱边缘的丢失。仿真实验结果表明:该方法检测到的原棉杂质边缘完整、流畅,减少了伪边缘的出现,8连通域数与边缘点总数比值比Canny方法平均降低16.8%,8连通域数与4连通域数比值比Canny方法平均降低18.8%;同时,在对4种原棉常见杂质的识别上,该方法与国标方法检测结果平均相符率达到92.7%,能够有效用于原棉杂质的自动化检测。

棉花噪声图像的检测与滤波

针对当前图像噪声检测中存在的“虚噪声”以及中值滤波对图像边缘特征的影响,提出将图像饱和度通道像素中极大值或极小值的点列为可疑噪声点,在图像色调通道检测出噪声点与色相相近可疑噪声点,对明度通道色相相近的可疑噪声点进行再判别,筛选出噪声和有用信号。同时,对选取窗口内4个特定方向上的像素点灰度值进行排序,对排序后的各个中值进行加权计算,用计算结果替代窗口中心像素的灰度值。试验结果表明,该方法能够有效检测彩色图像饱和度通道表现出的“虚噪声”,在去除噪声的同时有效保护图像细节。与其他滤波方法相比,峰值信噪比(PSNR)平均提高了8.2%,归一化均方误差(NMSE)至少降低了0.004,在滤波性能与滤波速度上都具有优势。

基于图像处理的棉花表面杂质自动识别

针对棉花杂质检测中测量仪器成本高与不能实现杂质分类的问题,搭建了一种低成本的棉花表面杂质自动识别与检测系统。系统采用基于Canny的杂质图像处理算法,通过图像平滑滤波、梯度幅值和方向计算、非极大值抑制、高低阈值检测以及边缘连接,有效抑制了杂质图像虚边缘的产生,实现了棉花表面杂质的精准检测与识别。试验结果表明,以HVI检测结果为依据,该方法在含杂面积检测结果的标准偏差为0.0212,含杂个数检测结果总体标准偏差为2.6126,与HVI检测结果一致性较好;同时,在破籽类杂质的识别中,该方法与人工感官检验方法结果间总体标准偏差为1.0198,识别结果整体离散性小,进一步验证了方法的有效性,也为棉花杂质的智能检测与分类识别提供了参考依据。