楚宁

作品数：7被引量：23H指数：3
导出分析报告
供职机构：安徽工程科技学院计算机与信息学院计算机科学与工程系更多>>
发文主题：传感器网络数据融合动态数据构造性异常入侵检测更多>>
发文领域：自动化与计算机技术电子电信医药卫生更多>>
发文期刊：《计算机技术与发展》《计算机工程与应用》《电子学报》《仪器仪表学报》更多>>
所获基金：安徽省高校省级自然科学研究项目国家自然科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-7
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于SOA的数字电视中间件系统的研究与实现被引量：1
《计算机技术与发展》2007年第7期216-218,222,共4页楚宁 强俊 周鸣争 
安徽省创新基金(05c26213400853)
针对数字电视制播系统应用集成时存在的异构问题,对数字电视中间件系统进行研究。提出数字电视发送端制播系统中间件的基本思想。该系统技术架构为SOA服务架构,体系结构模型采用ESB服务总线,其基于Web服务等特性解决了异构网络的配置和...
关键词：企业服务总线 面向服务架构 数字电视 中间件 
基于NAS-RIF算法和神经网络的图像盲复原被引量：1
《计算机技术与发展》2007年第6期104-106,共3页强俊 楚宁 周鸣争 汪军 
安徽省教育厅自然科学基金重点资助项目(2004kj033dz)
在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RI...
关键词：图像盲复原 NAS-RIF HOPFIELD神经网络 
基于构造性核覆盖算法的异常入侵检测被引量：4
《电子学报》2007年第5期862-867,共6页周鸣争 楚宁 强俊 
国家自然科学基金(No.60574028);安徽省教育厅自然科学重点项目(No.2004kj033zd)
将构造性核覆盖算法引入入侵检测研究中,提出了一种基于构造性核覆盖的异常入侵检测算法,用于监控进程的非正常行为.首先分析了核覆盖分类算法应用于入侵检测的可能性,然后具体描述了核覆盖算法在异构数据集下的推广,提出了基于核覆盖...
关键词：异常入侵检测 核覆盖 异构数据集 系统调用 
基于PCI EXPRESS总线的视音频采集卡的设计被引量：3
《计算机技术与发展》2007年第5期79-82,共4页强俊 楚宁 周鸣争 
安徽省教育厅产业化贴息项(2004cy16)
在数字电视领域,对信号传输实时性、误码率及可靠性要求很高,并且随着CPU主频的发展,传统的PCI总线已渐渐不能满足带宽和传输精确性的要求,文中通过分析MPEG-2传输流的特点以及传统总线和PCI EXPRESS总线的性能,提出了一种在视音频采集...
关键词：PCI EXPRESS总线 PCI总线 传输流 FPGA 
一种基于能量约束的传感器网络动态数据融合算法被引量：13
《仪器仪表学报》2007年第1期172-175,共4页周鸣争 楚宁 周涛 强俊 
安徽省教育厅自然科学基金重点(2004kj033dz)资助项目
本文针对传感器网络具有能量约束、低速率冗余数据、网络拓扑易变的特点,提出了一种基于能量约束的动态数据融合算法。该算法首先利用不确定测度进行传感器的动态聚类分组,然后再对每一组通过能量约束选择关键点,通过各组的关键点构成...
关键词：传感器网络 数据融合 不确定测度 能量约束 
基于特征选择的无线传感器网络路由标识算法
《计算机工程与应用》2006年第31期139-140,183,共3页楚宁 周鸣争 强俊 
安徽省教育厅自然科学基金重点资助项目(2004kj033zd)
针对无线传感器网络具有节点数量大、分布范围广、以数据为中心进行路由等特点,提出了一种基于特征选择的路由标识算法。该算法首先通过汇节点向传感器节点发送“询问”数据包,收到数据包的各个节点检查自身特征是否与“询问”内容相符...
关键词：无线传感器网络 路由标识 特征选择 寻址 数据包 
基于空间域的车辆运动模糊图像的恢复被引量：1
《安徽工程科技学院学报（自然科学版）》2005年第4期21-24,共4页周鸣争 汪军 强俊 楚宁 
安徽省芜湖市科技局科学技术基金资助项目(wh2004133zd)
从车辆运动模糊图像产生的机理出发,分析了运动模糊图像的退化模型,给出了一种在空间域中车辆运动模糊图像的运动参数估计及恢复算法,该算法不涉及系统的传递函数,而是根据车辆运动模糊的逆过程在空间域内直接进行图像的恢复,其效果受...
关键词：运动模糊图像 退化模型 图像恢复 空间域 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部