薛之昕
- 作品数：15 被引量：50H指数：3
- 供职机构：南昌大学信息工程学院更多>>
- 发文基金：江西省教育厅科学技术研究项目江西省科技计划项目江西省教育厅科技计划项目更多>>
- 相关领域：自动化与计算机技术电子电信轻工技术与工程建筑科学更多>>
- 一种基于角色的新型动态权限管理机制
- 2008年
- 基于实践,提出了一种基于角色[1]的新型权限管理机制,该机制将基于角色(RBAC)的静态权限控制与基于任务(TBAC)的动态权限控制相结合,可以灵活、便捷地控制系统中用户的权限,并使系统的安全性与稳定性得到更好的保证。其中,静态管理是将用户按照角色的概念来分类而获得所拥有的权限;动态管理是通过引用角色环境函数与角色方法共同实现动态控制相应角色用户的权限。
- 杨帆薛之昕石永革
- 关键词：权限控制TBAC
- 非安全网络上的认证方法被引量：2
- 2003年
- 本文提出一种在非安全网络上不使用对称加密算法,也不使用公开密钥算法(如DES,RC5,RSA等),而仅使用单向散列函数(如SHA,MD5),进行远端用户的身份认证和远端用户的口令修改的方法。此方法简单高效。
- 薛之昕王暹昊
- 关键词：公开密钥算法单向散列函数数字签名网络安全计算机网络
- 基于四元数的局部傅里叶变换被引量：3
- 2012年
- 为了分析二维四元数函数表示的彩色图像,文中利用了把空间、频率同时作为参数的基于四元数的局部S变换,该变换同时决定了彩色图像的局部频谱。文中给出了QS变换的精确定义,其定义使用了一个二维高斯局部窗函数,窗宽度与频率成比例;并验证了QS变换的旋转不变性,可逆性。文中通过利用Hartley变换的简便QS变换计算方法,求得彩色图像的QS变换四元数生成式,并由生成式系数计算出彩色图像的能量谱。从实验结果可以得出:QS变换能量谱可以成为分析彩色图像纹理与样式的有力工具。
- 何鹏薛之昕江顺亮
- 关键词：四元数彩色纹理傅里叶变换HARTLEY变换
- 数字签名算法MD5的FPGA高速实现被引量：2
- 2004年
- 信息安全在网络发展中非常重要。信息验证是验证信息来源的基本技术。常用的信息验证码是使用单向散列函数生成验证码。使用FPGA高速实现MD5认证算法,协处理器用Xilinx公司的Virtex系列FPGA,以PCI卡形式处理认证服务。
- 薛之昕洪胜华伍军云
- 关键词：单向散列函数计算机安全
- 三角剖分综述被引量：19
- 2010年
- 多变形的三角剖分是计算几何中的基本问题,本文简述三角剖分的基本理论及应用,对三角剖分算法做简要的综述,为设计更好的三角剖分算法提供一定的依据。
- 周佳文薛之昕万施
- 关键词：三角剖分任意多边形DELAUNAY三角剖分三角剖分算法
- 数字签名算法SHA-1的FPGA高速实现被引量：5
- 2004年
- 随着网络的迅速发展,信息安全越来越重要,信息认证是验证收到信息来源和内容的基本技术。常用的信息验证码是使用单向散列函数生成验证码,安全散列算法SHA-1使用在是因特网协议安全性(IPSec)标准中。在设计中使用FPGA高速实现SHA-1认证算法,以PCI卡形式处理认证服务。
- 薛之昕王暹昊
- 关键词：数字签名算法SHA-1FPGA信息认证安全散列算法现场可编程门阵列
- B样条与Bezier曲线转换矩阵的快速计算方法及应用被引量：3
- 2008年
- RomaniL.等人在2004年首次明确提出了任意阶均匀B样条和Bezier曲线之间相互转换矩阵的计算方法,但该方法把高阶的转换矩阵用递归降阶形式定义的,在每次降阶中存在大量的重复计算,针对这个问题提出了改进的算法,并给出了其在均匀B样条的降阶方面的应用实例。
- 徐少平白似雪薛之昕曾文
- 关键词：B样条BEZIER曲线降阶
- 移动用户身份认证技术
- 2004年
- 本文探讨了当今使用的身份认证技术的原理和机制,并主要介绍了身份认证技术中使用的算法和身份认证协议。对身份认证协议的安全性进行了介绍。同时文章特别讨论了移动通信中使用的身份认证协议。
- 洪胜华薛之昕伍军云白小明
- 关键词：身份认证技术身份认证协议安全性移动通信移动用户
- 水果和根茎蔬菜形状的计算机辅助分析
- 2005年
- 受遗传、土壤、生长发育等因素影响,水果和根茎蔬菜的形状和大小迥异。提出一种对水果和蔬菜的根部形状和大小用椭圆傅里叶变换的系数进行描述的方法,并对该系数的方差协方差矩阵进行主成分分析,找到主成分元素即揭示水果和根茎蔬菜形状变化的主要因数。此方法应用在水果蔬菜的品种改良中。
- 薛之昕
- 关键词：计算机辅助分析根茎傅里叶变换主成分分析协方差矩阵水果蔬菜
- 基于多尺度卷积神经网络的交通标志识别被引量：11
- 2020年
- 基于多纵卷积神经网络的交通标志识别算法识别率较高,但识别和训练时间较长,实用性较差。为此,构造一种基于多尺度卷积神经网络的道路交通标志识别模型。通过改进单尺度卷积神经网络中特征提取的基网络,将网络不同层级所产生的特征融合为多尺度特征并提供给分类器,以提高低层特征的利用率。在GTSRB数据集上的实验结果表明,该模型准确识别率达到99.25%,与多纵卷积神经网络模型相比,其在保证高精度的同时,识别和训练时间的降幅均超过90%,更适用于真实路况下交通标志的精准检测。
- 薛之昕郑英豪肖建魏玲玲
- 关键词：交通标志识别
