工程教育专业认证是高等教育认证的重要组成部分,对保障高等工程教育质量具有重要的意义。《应用软件开发实践》作为计算机类集中性实践环节中的一门重要课程,重在培养学生应用计算机解决实际问题的综合能力。对课程内容、课程考核方式与专业认证要求之间的关系进行探讨,可以看出该门课程对培养出符合工程认证要求的学生起着重要的作用。

在租户虚拟机中,存在着恶意进程将自身隐藏,掩盖其攻击行为,发起恶意攻击的情况。为了检测虚拟机中的隐藏进程,研究并设计虚拟机隐藏进程检测系统,云平台管理员能针对目标虚拟机检测其存在的隐藏进程。实验结果表明,该系统能有效检出虚拟机中的隐藏进程。

由于目标检测技术的快速发展,tracking-by-detection成为一种通用的多目标跟踪框架。然而,在整个视频场景下,被跟踪的目标可能会发生外观上的改变或者被其他物体遮挡,多目标跟踪技术仍然面临着许多挑战。提出一种改进的tracking-by-detection框架用于多目标跟踪技术,采用基于深度学习的外观特征和目标的运动特征去分层关联跟踪目标。与其他先进的多目标跟踪系统比较,该方法在多目标跟踪2016公开数据集上取得较好的效果。

小波变换常用于信号去噪。传统的小波阈值去噪方法包括硬阈值方法和软阈值方法。硬阈值方法容易产生Gibbs震荡现象；软阈值处理后的小波系数存在固定偏差,去噪效果受到影响。结合目前提出的阈值方法,提出一种改进的双阈值函数。改进的阈值函数在阈值处连续,并且处理后的小波系数不存在固定偏差。经过仿真实验结果,该函数的去噪效果得到一定的提升,并且Gibbs震荡现象得到抑制；另外,去噪后信号的信噪比有所提高,均方误差减少明显。

GitHub是一个面向开源及私有软件项目的托管平台,每天都有成千上万的项目在上面诞生。在这些数以千万计的项目中,不仅有来自学术界,更多的是来自工业界的。运用数据挖掘技术,能够发现其中对科研工作者有帮助的信息。通过对GitHub用户信息进行分类,分析其中学术研究者、工程师以及个人用户的数量及其所占比例,挖掘出开源平台的用户使用习惯信息,了解用户使用开源平台的目的所在,从而分析出开源项目的发展趋势。

Web服务器集群中负载均衡算法是一个重要的组成部分,许多学者都对负载均衡算法做出改进,其中基于参数的加权负载分配算法是一种策略。从运行原理、算法性能、应用范围等角度概述参数化加权负载分配策略,分析比较目前三种典型的参数化加权负载分配算法,展望参数化加权负载分配策略未来的发展趋势。

商用小型无人机在室内或遮挡物较多的情况下,会失去卫星导航信号,而这种情况下使用的需求日益增加。采用立体视觉方法准确测量障碍物到无人机的距离,对实现无卫星导航条件下无人机的准确悬停和自主规划路径避障都有着重大的意义。对左右放置的摄像机立体模型的标定以及对左右摄像机的立体校准做研究,最后实现利用该立体模型进行准确测距。在被检测物体背景和大小均比较复杂和较小的情况下,该模型的测距效果具有期望的鲁棒性。

随着计算机图形学和图形学硬件技术的发展,虚拟仿真中的布料模拟逐渐成为研究热点。随着虚拟仿真技术在电子游戏中的应用逐渐增多,用户对虚拟现实中布料模拟技术的要求也逐渐增加,在追求布料真实感的同时还强调实时性。在对布料进行模拟时,首先根据布料的物理特性构建弹簧质点模型,然后使用时间积分对模型质点弹簧进行计算。为了提高求解效率,采用预计算处理数据,求解隐式积分对模型进行求解,以模拟出布料真实感且达到实时效果。

SIFT算法对发生旋转、平移、仿射变换后的图像匹配具有很好的效果,同时具有较强的稳定性和鲁棒性。由于快速EMD距离相比欧氏距离在计算特征直方图匹配时更加准确,提出结合快速EMD距离与SIFT的人脸识别算法,改进原有算法的匹配策略,使用快速EMD距离代替欧氏距离计算特征点间的相似性。在YALE人脸库上的实验表明,改进的人脸识别算法比原有算法具有更高的识别率并且对人脸图像的旋转、遮挡、一定程度的仿射变换等复杂情况下有更好的鲁棒性。

Hadoop集群环境中,由于增加删除节点、删除文件等操作,都有可能造成数据的不均衡。数据的负载均衡对集群性能有着重要的影响。首先分析现有的负载均衡算法,然后提出一种基于异构集群性能和剩余空间的负载均衡算法。该算法根据节点的剩余空间以及节点性能来计算各个节点的理论空间利用率,并且根据集群的存储空间利用率来动态的调整节点的最大负载率。实验结果显示,提出的数据负载均衡算法可以使异构环境下的集群基于性能和剩余空间达到所期望的均衡状态:性能越高、剩余空间越大的节点,应该有更高的空间利用率。

前景检测是图像处理领域的基础研究之一,广泛运用于视频监控等领域。目前的前景检测算法大都能在光照缓慢变化的场景下具有较好的检测结果,但往往在光照变化剧烈的场景下(如开关灯)产生错误检测结果。提出一种基于具有光照不变性的颜色空间的前景检测算法,在新的颜色空间中通过对光照变化区域进行混合高斯拟合并在得到初步结果,最后对前景图像与背景图像的领域像素差值对比确定最终的检测结果。实验表明,所提出的算法在光照剧烈变化的场景下对前景的检测具有较好的检测结果。

消失点检测是计算机视觉中的一个经典问题。给定一幅图像,通过一定的方法得到图像所对应的三维场景的消失点。消失点检测作为一种摄像机定标的方法,其用途相当广泛,例如现在比较流行的SLAM,增强现实,其重要程度不言而喻。通过利用C-均值算法求得消失点,并利用Mathematica编程给出算法的实验结果。

将复杂网络应用于人脸识别,提出一种新的人脸识别方法。以非约束条件下的人脸图像集为研究对象,把人脸图像集抽象成复杂网络系统,利用复杂网络理论知识来对人脸图像集进行研究以实现人脸图像的分类和识别。实验表明该方法具有较好的识别表现,并证明其优越性。

人体活动识别的现有方法大都基于加速器分析进行,但对于长期监视研究对象的日常活动并不适用。样本熵作为时间序列稳定性的度量,能够检测出时间序列发生异常的时间点,同时可以长期监视研究对象的日常活动。因此,将样本熵引入到人体活动识别领域,选择ELM作为分类器,通过观察样本熵对测试准确率的影响来判断其有效性。实验表明,样本熵在人体活动识别中有着良好效果,ELM比SVM具有更好的识别准确率。

针对现有碰撞检测算法难以解决变形物体碰撞的实时性和逼真性问题,提出一种基于可变形物体的改进碰撞检测算法。该算法在K-dops(K-discrete orientation polytopes)包围盒基础上使用Snake模型应用于包围盒更新过程中,使用改进的Pso(Particle swarm optimization)算法对Snake模型进行边界优化。在优化过程中依据碰撞部位的内凹特性,在Snake模型控制点簇与中心点构成的多直线上,采用改进的粒子选取方式和多种群粒子优化算法思想构成多直线群体。实验结果表明,改进后的碰撞检测算法可以快速准确的模拟物体轮廓,简化了包围盒更新过程,提高了碰撞检测效率。

随着互联网技术的蓬勃发展,网络安全威胁层出不穷,各国对网络安全越来越重视。在分析总结网络安全威胁的原理特点后,给出三种主动安全威胁模型,即饱和安全威胁、删除安全威胁、篡改安全威胁。利用OPNET仿真工具建立多业务通信网络模型,其中网络节点模型是基于排队论而建立的模型。实验仿真设置不同业务强度参数以便获得不同网络状态下的网络性能状态。利用模糊综合评价方法对网络安全威胁效果进行评估。

线性光子晶体中可获得较低的慢光速度是以牺牲带宽为代价的。本文通过在光子晶体圆环型腔内加入克尔型非线性材料,分别构建以三角晶格和正方晶格排列的非线性环型腔线缺陷波导,利用有限元法对其慢光特性进行了仿真模拟。结果表明:正方晶格具有更好的慢光效应,获得的最佳慢光群速度为0.0055c,在保证10-3c慢光条件下,可达到0.001的相对带宽;与线性光子晶体线缺陷耦合腔波导相比,带宽提高了两倍,实现了具有低群速度、高带宽特性的慢光效果,对进一步发展光子晶体的光缓存有着重要意义。

在将稀疏人脸识别算法应用到实际中,常面对一个问题,即可用的训练样本很少。为此,提出一种新的方法,用于产生更多可用的训练样本,从而提高识别率。该方法通过让常数矩阵与原始训练样本相结合,从而获得更多可用的训练样本。通过四个数据库的数据证明方法的有效性,并在实验中获得较高的识别率。

目标检测是计算机视觉研究的一个主要方向,传统目标检测算法为检测不同尺度的图像,往往需要将图片进行缩放搭建图像金字塔,再在图像金字塔上做目标检测。将图像金字塔应用于基于深度学习的目标检测算法主要存在实时性问题。为此提出在网络中搭建特征金字塔,大大提高网络效率,并且提高检测效果。在PASCAL VOC2007目标检测权威数据库上实验结果表明,提出的算法能大大提高目标检测的召回率。

由于自动化人脸识别系统在越来越多的应用中得到广泛的部署,使用照片、视频或3D面具进行自动化脸部识别系统欺骗攻击变得越来越受到关注。为了保护自动化人脸识别系统免受欺骗攻击,提出许多使用图像特征以及分类器的方法。与现有的从原始人脸图像中提取特征的方法不同,将原始人脸图像转换为边缘图,并学习人脸边缘图上的特征用来防范人脸欺骗攻击。与原始人脸图像相比,人脸边缘图放大真实人脸和虚假人脸之间的差异,同时抑制人脸图像中的噪声。所提出的方法已经在两个公共数据库上进行评估,并与最先进的方法进行比较。结果表明,该方法可以更有效地区分真人脸和假脸,特别是在交叉数据库场景中。