高鸿公司AM100—T4多功能DDN接入复用器

DDN作为数据通信的支撑网络,其主要作用是为用户提供高速、优质的数据传输通道,为用户网络的互联提供桥梁。 DDN用户终端可以是一般异步终端、计算机或图像设备,也可以是电话机、电传机或传真机,它们接入DDN的方式依其接口速率和传输距离而定。一般情况下,用户终端设备与DDN的网络设备相隔有一定的距离。为了保证数据通信和传输质量,需要借助辅助手段,如调制解调器、用户集中器等。用户终端接入DDN     

基于侧影轮廓的激光射线成像图像重建方法

由于进行激光射线成像图像重建的过程中没有对图像去噪处理,导致图像画面模糊,为此提出基于侧影轮廓的激光射线成像图像重建方法。采用两侧相邻法进行直线插补,去除激光射线成像图像中存在的噪声;结合图像灰度二值化方法将去噪后的图像转化成黑白二值图像;通过侧影轮廓中心相位提取二值图像特征;采用包围盒方法,建立图像重建三维数据场,按照数据场对激光射线成像序列实行直接绘制,实现图像重建。通过实验可知,所提方法重建后图像画面清晰,能够全面展现原始图像内纹理细节信息,且图像重建效率较高。     

VER_HMM:基于灰色Verhulst和HMM的交通事故预测算法

道路交通事故预测是保证道路佳通安全的重要技术,以往的道路交通事故预测方法往往具有预测精度不高和收敛速度慢的缺点,为此,设计了一种基于灰色Verhulst模型和隐形马尔科夫链的交通事故预测方法。首先,采用灰色Verhulst模型对观察事件在下一时刻的状态进行预测,采用最小二乘估计法去估计模型中的参数,将预测结果用于初始化HMM模型,并采用前向算法和后向算法对HMM模型进行训练,获得最终的初始分布矩阵、状态转移概率和观察概率分布矩阵,然后采用最终的HMM模型进行交通事故预测。仿真试验结果表明：文中方法能有效地实现交通事故预测,较其它方法相比,具有预测精度高和收敛速度快的优点,具有一定的优越性。     

基于模糊小波的光照干扰图像对比度增强方法

为了增强在光照干扰环境下图像清晰度,提出基于模糊小波的光照干扰图像对比度增强方法。提取处于光线变化和干扰状态下的图像特征,根据特征提取结果,利用小波变换对光照干扰图像去噪后,分离图像高频与低频部分,采用双边滤波器去除照射分量的低频带,采用模糊增强算法对高频带上的图像纹理边缘进行增强,结合并非完全曲线归一化方法对处理后的图像对比度增强。实验结果表明,所提方法得到的图像边缘细节丰富清晰,直方图分布更均匀,在数字图像技术方面具有极高的应用价值。     

基于学习产出教育(OBE)的计算机基础课程教学改革研究

OBE(Outcomes-based Education)是1981年由Spady率先提出,是一种"以学生为本"的教育哲学,强调教学设计和教学实施的目标是学生通过教育过程最后所取得的学习成果.计算机应用及操作也已经与人们的工作和生活显得密不可分,在实际工作中也更突显出了普及化和实用性.将OBE模式融入计算机基础课程教学之中,能够锻炼和提升学生利用计算机分析问题、解决问题的能力,增强创新意识和创新能力,从而成为各行各业需要的应用型人才,显著提升了学生的就业竞争力.本文将论述高校计算机基础课程的教学现状,并提出引入OBE对课程改革的意义及具体路径,以供广大教师参考和借鉴.     

基于深度学习的拟态裁决方法研究

针对软硬件差异化容易导致拟态裁决结果不一致所造成的假阳现象被误认为网络攻击的问题,提出了一种基于深度学习的拟态裁决方法。通过构建无监督的自编码-解码深度学习模型,挖掘不同执行体输出多样化正常响应数据的深度语义特征,分析归纳其统计规律,并通过设计基于离线学习-在线裁决联动的训练机制和基于反馈优化机制来解决假阳现象,从而准确检测网络攻击,提高目标系统的安全弹性。鉴于软硬件差异导致正常响应数据间的统计规律已被深度学习模型理解掌握,因此不同执行体间拟态裁决结果将保持一致,即目标系统处于安全状态。一旦目标系统受到网络攻击,执行体的响应数据将偏离深度学习模型的统计规律,致使拟态裁决结果不一致,即目标系统存在潜在安全威胁。实验结果表明,所提方法的检测性能显著优于主流的拟态裁决方法,且平均预测准确度提升了14.89%,有利于将该方法集成到真实应用的拟态化改造来增强系统的防护能力。     

基于灰色Verhulst和HMM的交通事故预测算法

道路交通事故预测是保证道路佳通安全的重要技术,以往的道路交通事故预测方法往往具有预测精度不高和收敛速度慢的缺点,为此,设计了一种基于灰色Verhulst模型和隐形马尔科夫链的交通事故预测方法;首先,采用灰色Verhulst模型对观察事件在下一时刻的状态进行预测,采用最小二乘估计法去估计模型中的参数,将预测结果用于初始化HMM模型,并采用前向算法和后向算法对HMM模型进行训练,获得最终的初始分布矩阵、状态转移概率和观察概率分布矩阵,然后采用最终的HMM模型进行交通事故预测;仿真试验结果表明:文中方法能有效地实现交通事故预测,较其它方法相比,具有预测精度高和收敛速度快的优点,具有一定的优越性。