李静 作品数:8 被引量:20 H指数:3 供职机构: 山东师范大学信息科学与工程学院 更多>> 发文基金: 山东省自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
P2P网络下基于K-Wmeans聚类算法的Web服务发现研究 被引量:1 2009年 针对P2P网络的动态性、分布性等特点,提出了一种运用加权改进的K-Wmeans算法对Web服务进行聚类分析的方法。通过对P2P网络中各个节点上Web服务进行分布式聚类,可使服务请求者按照类别更准确快速地发现所需的Web服务。最后分析了算法的时间复杂度,并通过实验证明了此种方法在P2P环境下的Web服务聚类中存在一定的优越性。 李静 张永胜 刘广钰 王莹关键词:WEB服务发现 分布式聚类 P2P 基于电路仿真的BP神经网络故障诊断技术研究 被引量:3 2010年 某型末制导雷达系统复杂、难于建立精确数学模型,因此采用常规方法对其进行故障诊断难度较大。而采用Multisim软件对其接收组合中的和路视频放大器电路进行仿真,再由实测样本数据训练BP神经网络的方法可较好的将故障定位到元器件级别。 杨健 冯楠 刘剑超 李静关键词:电路仿真 故障诊断 末制导雷达 一种基于2DPCA - AdaBoost 的人脸检测算法 2016年 主成分分析法(Principal Component Analysis,PCA)作为最成功的线性鉴别方法之一,目前仍然被广泛应用于人脸等数字图像处理领域;AdaBoost 是一种具有自适应学习能力的机器学习算法。本文将二维主成分分析和 AdaBoost 结合改进了原来的算法,即2DPCA - AdaBoost 算法。该算法首先对图像进行预处理,然后用2DPCA 算法对人脸图像进行训练形成特征脸空间,结合AdaBoost 学习算法将多个弱分类器组合成强分类器。实验结果证明,改进的算法提高了人脸检测率,降低了错误检测数。 李静 侯德文关键词:2DPCA ADABOOST 人脸检测 某型测控装备远程智能故障诊断技术 被引量:3 2010年 实现了某型测控装备远程智能故障诊断系统。首先分析了装备的故障检测和诊断需求,据此设计了远程故障检测诊断系统的软硬件总体结构,并重点给出了专家系统的主要功能模块及各个分系统的程序流程。 杨健 刘爱东 孙翱 李静关键词:故障诊断 专家系统 P2P环境下基于语义的Web服务组合研究 被引量:3 2010年 利用OWL-S语言描述Web服务,在组合操作中加入语义信息,实现了Web服务组合的自动化。为了提高Web服务的搜索速度,采用Chord路由算法。构建了一个P2P环境下基于Chord网络的Web服务组合模型,在其上实现了基于语义的Web服务组合,最后通过实例给出了语义Web服务自动组合过程。 李静 张永胜关键词:语义WEB OWL CHORD 一种信任增强的Web服务综合评估模型 被引量:3 2010年 基于信任的网络交易业务日益增多,然而Web服务环境下的信任评估模型还不健全,存在Web服务请求方身份不明、信任度量因素考虑不周全及信任评估主观性强等问题。针对上述问题,提出了一种Web服务环境下信任增强的综合评估模型——WS-TECEM(Trust Enhanced Comprehensive Evaluation Model for Web Services)。WS-TECEM在传统模型的基础上,引入信任关系强度、第一手、第二手、第三手信誉看法及第三方信誉推荐者的可信度等思想,提出一种信任粒度更细、信任指数更强的评估模型,仿真实验表明,WS-TECEM能更全面、更准确地度量Web服务环境下交互双方的可信度。 王莹 张永胜 张永强 李静 孙翠翠关键词:WEB服务 信任 推荐信任 一种简单的Web服务安全通信模型研究 被引量:5 2010年 介绍了Web服务通信安全需求以及目前常用的安全通信技术,并详细介绍了XML数字签名和XML加密机制,包括二者的基本结构及使用方法等,同时介绍了现有的几种安全通信机制如防火墙、SSL。针对Web服务的安全需求,包括数据机密性、完整性等,根据现有的安全通信机制以及WS-Security规范提出一种简单的安全通信模型。模型应用XML数字签名和XML加密技术,并对SOAP消息进行扩展,加入时间戳和随机安全序列号来唯一地标识用于通信的SOAP消息,基本保障Web服务通信的安全。 李程程 张永胜 李静 刘广钰关键词:WEB服务 XML数字签名 XML加密 WS-SECURITY 一种基于Haar-like和AdaBoost结合的人脸检测算法 被引量:2 2015年 人脸是人体的一项重要的生物特征,人脸检测在人脸识别中起着非常重要的作用,人脸位置的检测结果的准确性可以有效地提高人脸识别率;人脸定位在身份验证、人机交互、视频监控、机器学习、信息管理等领域有很高的应用价值.笔者提出一种人脸检测定位算法,对图像进行归一化和均衡化,减小检测范围,然后用Haar—like矩形特征形成弱分类器,结合AdaBoost学习算法将多个弱分类器组合成强分类器,对人脸图像进行检测定位.实验结果证明该方法可以有效地降低误检率,提高检测的准确性. 李静 侯德文关键词:人脸定位 HAAR-LIKE特征 ADABOOST 弱分类器