一种基于权重融合的JPEG隐写分析方法

针对JPEG图像通用隐写检测中检测效率低、训练时间长的问题,提出一种基于集成分类器的新检测方法。算法以CC-PEV为特征对图像进行描述并作为隐写分析特征;然后,随机构造若干个特征子空间,用bootstrap方法构造图像训练子集,分别进行训练得到数个基分类器;根据基分类器的分类结果赋予基分类器不同的权重,将基分类器的结果按照其权重进行融合得到最终的结果。本文对该算法进行了测试,对它的集成性、检测准确率和训练时间进行分析。实验结果表明,相对于传统的集成方法,本文方法用自举方法构造训练集、随机方法构造子特征空间、赋予基分类器不同权重进行融合能够显著地提高算法准确率。本文方法相对于SVM和传统的集成分类方法,具有更高的检测率,对于特征维数更大的图像检测,具有更好的拓展性和一般适用性。     

智能天线上行接收技术在DS/CDMA系统中的应用

介绍了一种可以应用于DS／CDMA系统中的智能天线上行接收方案,并对方案中的关键过程采用DSP和FPGA共同实现,该方案具有结构简单、实现灵活等特点。仿真与实验结果表明系统能够正确接收发射数据,达到了设计目标。     

基于校园5G双域专网融合的研究及应用

随着5G通信技术的飞速发展,5G的高速率、大带宽、低时延、高可靠性等特点,为融合面向行业（to Business,toB）的应用创造了无限的商机。针对校园用户随时随地访问校园内网和互联网的个性化需求,提出了校园5G双域专网的解决方案。首先,阐述了校园5G双域专网的业务背景;然后,论述了面向个人（to Customer,toC）和toB两大类业务方案,对于toC业务方案进一步固化共性需求,归纳量化个性化需求,提出了toC分流的两大类方案;最后,总结了校园5G双域专网研究所带来的主要创新点和应用效果。未来,随着5G专网业务的拓展,5G双域专网将赋能医院、政务、文旅等多个行业,发展前景广阔。     

基于随机后退方法的BPON上行注册过程研究及仿真

本文介绍了实现BPON上行注册过程的两种方法:二叉树搜索法和二进制指数随机后退(binary exponential back-off,BEB)法,分析了二叉树搜索法测距过程中ONU的两种安装方法;根据二进制指数随机后退法的原理,提出了在BPON上行注册过程中利用随机后退的方法解决ONU的冲突问题,然后通过仿真实现了对这两种注册方法的比较.从仿真结果可以得出结论,BEB算法具有较高的搜索效率,而且实现简单.     

基于仿真的L900干扰研究与优化提升

随着江苏联通L900批量部署,低频上行干扰的现象对数据话统、长期演进语音承载的性能、路测指标、视频和网页感知均产生了一定程度的业务影响.江苏联通基于长期干扰处理经验,结合仿真和现网实际情况,针对L900从干扰排查和优化提升维度不断总结提炼可落地方案,提出了4种分析方法,以及3种自动化和大数据的优化创新方案,支撑现网干扰...     

离散贝叶斯分类算法雷达目标一维距离像识别

首先讨论了传统贝叶斯分类器设计方法的局限性,然后提出了离散贝叶斯分类算法,并推导了离散贝叶斯分类器的分类误差估算公武.用大量的实测高分辨雷达目标回波数据进行计算机模拟,离散贝叶斯分类算法获得了平均94.33%的正确识别率,分类误差估算公式估算的分类误差为5.23%.计算机模拟结果表明了该方法的有效性.     

中高分辨力遥感图像中飞机目标自动识别算法研究

提出了一种中高分辨力的航空航天遥感图像中飞机目标快速自动识别的新算法。在分割和分类过程中充分利用飞机目标的先验知识,提出了一种改进区域分割方法,并应用树分类器对飞机目标进行自动识别。所提出的改进区域分割方法较好地实现了区域分割中阈值的准确自动选取,克服了复杂背景图像中小目标的全局阈值自动分割的失效问题。采用二叉树分类器,通过提取简单的目标几何特征,分层进行种类识别,提高了识别速度,降低了漏检率和虚警率。运用该方法进行了实验。结果表明,识别率达到了100%。     

基于粒子群分类器的遥感图像目标识别

设计了一种用于遥感图像目标识别的粒子群分类算法。首先对数据样本预处理,利用粒子群优化算法通过训练数据进行分类规则的提取,根据提取得到的规则对遥感图像的目标进行分类识别。通过对实测遥感图像中飞机和舰船目标的识别实验,验证了此算法对遥感图像目标具有较高的识别率。     

基于Person Ⅶ核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型。以支持向量机(SVM)构建的分类器具有更好的分类性能。对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类。因此,核函数往往是决定SVM非线性分类性能的关键。实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优。为此,采用一种通用性的核函数,即PersonⅦ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果。对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量。     

基于高斯混合模型的车辆字符识别算法

在基于统计方法的车牌字符识别算法中,为了更有效地描述车牌字符特征的类条件概率密度,提出了一种基于高斯混合模型(GMM)的识别方法.首先采用Gabor变换来提取车牌字符的特征参数,然后通过GMM来逼近字符特征的类条件概率密度分布,最后根据得到的类条件概率密度分布函数构造贝叶斯分类器.其中,GMM的参数估计采用EM算法.实验表明,这种方法具有良好的字符识别效果、较强的鲁棒性以及较大的应用价值.