小开放阅读框（sORFs）在多种生物学过程中发挥着关键作用，且准确识别编码sORFs和非编码sORFs是基因组学中一项重要且有挑战性的任务。针对目前大多数编码sORFs预测算法严重依赖基于先验生物知识的手工特征且缺乏通用性的问题以及原始sORFs的序列长度长短不一而无法直接输入预测模型的问题，提出一种基于sORF-Graph图编码方式的端到端的深度学习框架DeepsORF预测编码sORFs。首先，通过sORF-Graph将所有sORFs序列编码成对应的图，并将序列信息编码成图元素特征，从而对输入序列进行标准化处理；其次，引入基于卷积与残差的流注意力机制捕获sORFs中碱基远距离之间的相互作用，以更有效地表达sORFs的特征，并提高模型的预测精度。实验结果证明，DeepsORF框架在6个独立测试集上的性能均得到提升，与csORF-finder方法相比，DeepsORF在D.melanogaster nonCDS-sORFs测试集上的准确率、马修斯相关系数（MCC）以及精确率分别提升了9.97、19.49与13.07个百分点，验证了DeepsORF模型在识别编码sORFs和非编码sORFs任务中的有效性以及良好泛化能力。

针对传统协作众包任务分配中忽视工人协作关联的问题，将工人之间的社交及历史合作关系纳入考虑范畴，提出一种融合社区检测的协作众包任务分配方法。首先，利用社区检测算法挖掘众包工人之间潜在的社交关系，形成候选社群；其次，定义协作度、交互成本和众包任务分配效用等要素后，构建综合考虑技能覆盖率、信誉度及预算成本的协作众包任务分配模型；再次，引入Piece-Wise混沌映射、柯西分布逆累积函数算子、自适应正切飞行算子和麻雀警戒机制等策略，并提出改进沙猫群优化（SCSO）算法——TSCSO；最后，利用TSCSO算法对前述模型进行求解。在不同规模真实数据集合成的算例上的实验结果表明，所提算法可使任务分配成功率维持在90%及以上水平，相较于其他改进智能算法任务分配效用平均提升20.08%~53.38%，验证了所提算法在协作众包任务分配问题中的适用性、稳定性和有效性。

长期时间序列预测在多个领域中具有广泛的应用需求。但是，时间序列的长期预测过程中表现出的非平稳性问题是影响预测准确性的关键因素。为了提高时间序列长期预测精度，以及预测模型的普适性，构建了基于序列分解的多尺度融合注意力神经网络预测网络（MSDFAN）模型。该模型采用时间序列分解提取输入数据中的季节成分和趋势成分，对不同数据成分进行不同的预测建模，能够对具有多尺度稳定特征的非平稳时间成分进行建模和预测。实验结果表明，与FEDformer相比，MSDFAN在5个基准数据集上的预测结果的均方误差（MSE）和平均绝对误差（MAE）分别平均下降了12.95%和8.49%，MSDFAN模型在多变量时间序列上取得了更好的预测精度。

针对多尺度生成式对抗网络图像修复算法（MGANII）在修复图像过程中训练不稳定、修复图像的结构一致性差以及细节和纹理不足等问题，提出了一种基于多特征融合的多尺度生成对抗网络的图像修复算法。首先，针对结构一致性差以及细节和纹理不足的问题，在传统的生成器中引入多特征融合模块（MFFM），并且引入了一个基于感知的特征重构损失函数来提高扩张卷积网络的特征提取能力，从而改善修复图像的细节性和纹理特征；然后，在局部判别器中引入了一个基于感知的特征匹配损失函数来提升判别器的鉴别能力，从而增强了修复图像的结构一致性；最后，在对抗损失函数中引入风险惩罚项来满足利普希茨连续条件，使得网络在训练过程中能快速稳定地收敛。在CelebA数据集上，所提的多特征融合的图像修复算法与MANGII相比能快速收敛，同时所提算法所修复图像的峰值信噪比（PSNR）、结构相似性（SSIM）比基线算法所修复图像分别提高了0.45%~8.67%和0.88%~8.06%，而Frechet Inception距离得分（FID）比基线算法所修复图像降低了36.01%~46.97%。实验结果表明，所提算法的修复性能优于基线算法。

针对纹理图像在平滑过程中低对比度边缘易丢失和纹理细节抑制不彻底等问题，提出基于梯度曲面面积与稀疏约束的图像平滑方法。首先，将图像视作三维空间中的二维嵌入曲面，再在此基础上分析图像的几何特征并提出梯度曲面面积约束正则化项，以提高纹理抑制性能；其次，根据图像的统计特性，建立 L ₀梯度稀疏与自适应梯度曲面面积约束的混合正则化约束图像平滑模型；最后，采用交替方向乘子法对非凸非光滑的优化模型进行高效求解。通过纹理抑制、边缘检测、纹理增强和图像融合等方面的实验结果可知，所提出的图像平滑算法克服了 L ₀梯度最小化平滑方法易造成的阶梯效应和欠滤波等缺陷，能够在去除大量纹理信息的同时保持并锐化图像显著的边缘轮廓。

在竹条表面缺陷检测中，竹条表面缺陷形状各异，成像环境脏乱，现有基于卷积神经网络（CNN）的目标检测模型面对这样特定的数据时并不能很好地发挥神经网络的优势；而且竹条来源复杂且有其他条件限制，因此没办法采集所有类型的数据，导致竹条表面缺陷数据量少到CNN不能充分学习。针对这些问题，提出一种专门针对竹条表面缺陷的检测网络。该网络的基础框架为CenterNet，而且为提高CenterNet在较少的竹条表面缺陷数据中的检测性能，设计了一种基于从零开始训练的辅助检测模块：在网络开始训练时，冻结采用预训练模型的CenterNet部分，并针对竹条的缺陷特点从零开始训练辅助检测模块；待辅助检测模块损失趋于稳定时，通过一种注意力机制的连接方式将该模块与采用预训练的主干部分进行融合。将所提检测网络与CenterNet以及目前常用于工业检测的YOLO v3在相同训练测试集上进行训练和测试。实验结果表明，所提检测网络的平均精度均值（mAP）在竹条表面缺陷检测数据集上比YOLO v3和CenterNet的mAP分别提高了16.45和9.96个百分点。所提方法能够针对形状各异的竹条表面缺陷进行有效检测，且没有增加过多的时耗，在实际工业运用中具有很好的效果。

为提升水上交通安全监管的智能化水平，进一步提高基于深度学习的船舶目标检测算法的定位精度和检测准确率，在传统YOLOv3算法基础上，提出用于船舶目标检测的增强YOLOv3算法。首先，在网络预测层引入预测框不确定性回归，以预测边界框的不确定性信息；然后，使用负对数似然函数和改进的二值交叉熵函数重新设计损失函数；其次，针对船舶形状使用 K均值聚类算法重新设计先验锚框尺寸并平均分配到对应预测尺度；在网络训练阶段，使用数据增强策略扩充训练样本数量；最后，使用加入高斯软阈值函数的非极大值抑制（NMS）算法对预测框进行后处理。对各种改进方法和不同目标检测算法在真实海事视频监控数据集上进行对比实验。实验结果显示，与传统YOLOv3算法相比，带有预测框不确定性信息的YOLOv3算法的假正样本（FP）数量降低了35.42%，真正样本（TP）数量提高了1.83%，所以提高了准确率；增强YOLOv3算法在船舶图像上的平均准确率均值（mAP）达到87.74%，与传统YOLOv3算法和Faster R-CNN算法相比分别提高了24.12%和23.53%；所提算法的每秒钟检测图像数量达到30.70张，满足实时检测的要求。实验结果表明，所提算法在雾天和低照度等不良天气条件与复杂通航背景下，均能实现船舶目标的高精度稳定实时检测。

针对传统主题爬虫方法容易陷入局部最优和主题描述不足的问题，提出一种融合本体和改进禁忌搜索策略（On-ITS）的主题爬虫方法。首先利用本体语义相似度计算主题语义向量，基于超级文本标记语言（HTML）网页文本特征位置加权构建网页文本特征向量，然后采用向量空间模型计算网页的主题相关度。在此基础上，计算锚文本主题相关度以及链接指向网页的PR值，综合分析链接优先度。另外，为了避免爬虫陷入局部最优，设计了基于ITS的主题爬虫，优化爬行队列。以暴雨灾害和台风灾害为主题，在相同的实验环境下，基于On-ITS的主题爬虫方法比对比算法的爬准率最多高58%，最少高8%，其他评价指标也很好。基于On-ITS的主题爬虫方法能有效提高获取领域信息的准确性，抓取更多与主题相关的网页。

为能够复原出高质量的清晰图像，提出一种混合正则化约束的模糊图像盲复原方法。首先，根据模糊核的稀疏性，采用 L ₀范数的正则项对模糊核进行稀疏约束，以提高模糊核估计的准确性；然后，根据图像梯度的稀疏性，采用混合一阶和二阶图像梯度的 L ₀范数对图像梯度进行正则化约束，以保留图像边缘信息；最后，由于所提出的混合正则化约束模型本质上是非凸非光滑优化问题，通过交替方向乘子法对模型进行求解，并在非盲反卷积阶段采用 L ₁范数数据拟合项和全变分的方法复原清晰图像。实验结果表明，所提方法能够复原出更加清晰的细节和边缘信息，复原结果的质量更高。

突发事件发生前，医院需要保持一定的应急资源冗余量。针对突发事件下医院应急资源冗余的配置优化问题，首先，基于效用理论，通过分析医院应急资源冗余的效用体现来对应急资源冗余进行定义和分类，确定了符合边际规律的效用函数；其次，建立了总效用最大化的医院应急资源冗余配置模型，并给出应急资源储存量的上限及应急合理度的下限作为模型的约束条件；最后，把粒子群算法和序列二次规划法相结合进行寻优求解。通过案例分析，得出了医院四种应急资源冗余的优化方案，总结出了医院的应急水平对医院应急资源冗余的需求程度。研究表明，应急资源冗余配置优化模型能够帮助医院在突发事件下很好地进行应急救援，提高医院应急资源的利用效率。

针对目前视频质量增强和超分辨率重建等任务中常采用的光流估计相关算法只能估计像素点间线性运动的问题，提出了一种新型多帧去压缩伪影网络结构。该网络由运动补偿模块和去压缩伪影模块组成。运动补偿模块采用自适应可分离卷积代替传统的光流估计算法，能够很好地处理光流法不能解决的像素点间的曲线运动问题。对于不同视频帧，运动补偿模块预测出符合该图像结构和像素局部位移的卷积核，通过局部卷积的方式实现对后一帧像素的运动偏移估计和像素补偿。将得到的运动补偿帧和原始后一帧联结起来作为去压缩伪影模块的输入，通过融合包含不同像素信息的两视频帧，得到对该帧去除压缩伪影后的结果。与目前最先进的多帧质量增强（MFQE）算法在相同的训练集和测试集上训练并测试，实验结果表明，峰值信噪比提升（Δ PSNR）较MFQE最大增加0.44 dB，平均增加0.32 dB，验证了所提出网络具有良好的去除视频压缩伪影的效果。

针对全球微波互联接入（WiMAX）网络节能算法中因移动节点（MS）的信道质量差别引起的空闲状态而浪费能量这一不足，依据IEEE 802.16e标准第Ⅰ类节能模型给出了MS服务质量目标的平均能耗（AEC）形式化描述，并提出一种基于信道质量均衡的避免终端空闲状态虚拟突发的节能调度（IAVB）算法。该算法采用将空闲状态阈值和基于信道质量的状况选择主移动终端相结合的策略，并完善了虚拟突发的结束条件，很好地避免了因未正确结束虚拟突发而导致的终端空闲状态造成的能量浪费问题。仿真实验表明，在节能方面IAVB算法比最长虚拟突发优先（LVBF）算法性能平均提高了15％。实验结果表明该算法减少了终端的空闲状态，有效地降低了终端能耗，提高了WiMAX网络的资源利用率。

大数据和云计算环境下海量增长的数据对存储系统的超高容量和体系结构带来了极大的挑战。目前存储系统的发展趋向于大容量、低成本和高性能，然而任何单一的存储器件如传统的机械磁盘（HDD）、固态硬盘（SSD）、非易失型性随机存储器等由于其固有的物理特性的限制，并不能满足以上的需求。将不同的存储介质混合组合成高效的存储系统是一个好的解决方法，固态硬盘作为一种高可靠性、低能耗、高性能的存储器被越来越广泛地运用到混合存储系统。通过将固态硬盘与传统磁盘进行组合，利用固态硬盘的高性能和传统磁盘低成本大容量的特点，能够为用户提供大容量的存储空间，保证系统的高性能，同时还能降低成本。通过阐述SSD与HDD混合存储系统的研究现状，对不同的SSD与HDD混合存储系统进行分类总结；然后针对缓存架构和设备同层架构这两种目前最流行的存储架构中涉及到的关键技术和不足进行讨论；最后对基于SSD和HDD的混合存储技术进行概括总结，并对今后该领域的研究重点和方向进行展望。

现有算法对交通标志进行识别时，存在训练时间短但识别率低，或识别率高但训练时间长的问题。为此，综合批量归一化（BN）方法、逐层贪婪预训练（GLP）方法，以及把分类器换成支持向量机（SVM）这三种方法对卷积神经网络（CNN）结构进行优化，提出基于优化CNN结构的交通标志识别算法。其中：BN方法可以用来改变中间层的数据分布情况，把卷积层输出数据归一化为均值为0、方差为1，从而提高训练收敛速度，减少训练时间；GLP方法则是先训练第一层卷积网络，训练完把参数保留，继续训练第二层，保留参数，直到把所有卷积层训练完毕，这样可以有效提高卷积网络识别率；SVM分类器只专注于那些分类错误的样本，对已经分类正确的样本不再处理，从而提高了训练速度。使用德国交通标志识别数据库进行训练和识别，新算法的训练时间相对于传统CNN训练时间减少了20.67%，其识别率达到了98.24%。所提算法通过对传统CNN结构进行优化，极大地缩短了训练时间，并具有较高的识别率。

针对高分辨率图像像素分割时间复杂度高的问题，提出了超像素分割算法。采用超像素代替原始的像素作为分割的处理基元，将Hadoop分布式的特点与超像素的分块相结合。在分片过程中提出了基于多任务的静态与动态结合的适应性算法，使得Hadoop分布式文件系统（HDFS）的分块与任务分发的基元解耦；在每一个Map节点任务中，基于超像素分块的边界性对超像素的形成在距离和梯度上进行约束，提出了基于分水岭的并行化分割算法。在Shuffle过程的超像素块间合并中提出了两种合并策略，并进行了比较。在Reduce节点任务中优化了超像素块内合并，完成最终的分割。实验结果表明.所提算法在边缘查全率（BR）和欠分割错误率（UR）等分割质量指标上优于简单线性迭代聚类（SLIC）算法和标准分割（Ncut）算法，在高分辨率图像的分割时间上有显著降低。

针对机会社会网络中现有基于社区的消息传输算法(OSNCMTS)在社区内存在节点积压消息分发任务、在社区间存在盲目选择活跃节点转发信息的问题,提出一种基于社区的高效机会网络路由算法(HECMTS)。在HECMTS算法中,首先,采用极值优先(EO)算法划分社区并将划分的社区矩阵分发给社区节点;其次,采用社区矩阵和消息到目的节点成功率相结合的方法分配社区内消息副本数;最后,利用活跃节点往返不同社区的机会收集活跃节点信息,然后查询这些活跃节点信息从中选取合适的活跃节点完成社区间消息传输。仿真结果表明,与OSNCMTS算法相比,HECMTS算法在路由开销性能和平均端到端时延性能上分别至少下降了19%和16%。

排挤遗传算法能够比较稳定地获取多个峰值,但其求解效率不高,在有限的遗传代数下无法获得较高的求解精度,需要较多的迭代次数。为了快速求出多峰函数的所有最优解,提出了一种基于对数自适应的排挤遗传算法。该算法结合小生境排挤遗传和爬山算子,根据遗传代数对爬山算子的距离值进行对数自适应计算,使种群在遗传过程中保持多样性。通过对多个一维和二维多峰函数的实验和比较分析,测试结果表明,该算法在有限的遗传代数下既能保证求解精度又能提高收敛速度,能够比较稳定地求得所有最优解,是求解多峰函数问题的有效算法。

微型零件视觉检测中，视场内灰尘、发屑等异物的存在会改变所提取的目标轮廓。为避免异物对测量带来的影响，提出了一种基于先验知识思想的异物伪信息剔除方法。首先对带有异物的零件图像进行角点检测；接着统计得出标准零件的角点分布特征作为先验知识；最后由标准零件角点特征得出异物伪信息判定条件，据此剔除异物伪信息。通过在实际工程项目中的成功应用，以三幅典型带异物微型零件图像的处理过程为例，证明了算法在保证测量精度的同时有效剔除了图像中的异物伪信息。

由于W态纠缠的强鲁棒性，它被认为是更适用于量子信息处理和量子安全通信的信息载体。针对4粒子W态或3粒子非对称W态量子直接通信效率低下或物理实现困难等缺陷，利用3粒子对称W态和量子身份认证机制，提出了一种新的确定型安全量子通信协议。该协议由认证码生成、量子态准备、量子态分发、安全检测与身份认证和消息通信五阶段组成，通信双方只需进行两粒子Bell基、单粒子Z基或X基测量，通信效率也有所提高，即1个3粒子W态传输1经典比特信息。安全分析证明该协议能有效抵抗各类窃听者Eve攻击和伪装攻击，具有较好的安全特性。

量子态远程制备(RSP)是量子信息过程的一个重要分支。为了解决一个发送者向多个接收者同时制备相同量子态的问题，提出了基于广播机制的1对2三方量子态远程制备协议，并将其拓展到1对N多方量子态远程制备中。该协议使用GHZ态作为量子信道，通过构造两组特殊测量基，发送方进行两次多粒子投影测量，接收方根据测量结果进行幺正操作，最终实现1个发送者向多个接收者同时制备相同的粒子态。经分析，协议的这种广播制备模式可以适用于任意多个接收者的情形。

发音特征表征了语音的发音方式信息，能够辅助传统的韵律特征改善声调建模的精度。在分析汉语声韵母发音特点的基础上，将发音方式划分为19类，并提出利用阶层式多层感知器计算语音信号属于各类的后验概率，作为发音特征。之后，将发音特征与传统的韵律特征一起用于声调建模。实验结果显示，加入发音特征后，在三种不同的建模方法下声调识别的准确率提升约5%。将声调模型融入大词表连续语音识别系统后，汉字错误率有了明显的下降

针对植物叶片识别中分类器设计和训练识别时间较长的问题，提出了一种基于人工免疫系统下的克隆选择算法和K近邻判别分析(CSA+KNN)的叶片识别方法。进行图像预处理后，通过提取叶片的几何特征和纹理特征得到叶片综CSA+KNN进行植物叶片样本训练，并进行植物叶片识别。在100种植物叶片数据库中进行测试，CSA+KNN法识别率为91.37%。与BP神经网络等方法相比较，实验结果表明了该识别方法的有效性以及较高的训练速率，同时验证了纹理特征在叶片识别中的重要性。CSA+KNN法扩宽了植物叶片的识别方法，可应用于建立数字化植物标本博物馆等领域。

针对汉语语音识别中协同发音现象引起的语音信号的易变性，提出一种基于音节的声学建模方法。首先建立基于音节的声学模型以解决音节内部声韵母之间的音变现象，并提出以音节内双音子模型来初始化基于音节声学模型的参数以缓解训练数据稀疏的问题；然后引入音节之间的过渡模型来处理音节之间的协同发音问题。在“863-test”测试集上进行的汉语连续语音识别实验显示汉语字的相对错误率下降了12.13%,表明了基于音节的声学模型和音节间过渡模型相结合在解决汉语协同发音问题上的有效性。

针对位置服务(LBS)在深度室内环境下将无法进行GPS定位问题,提出一种融合GPS、Wi-Fi、ZigBee和蓝牙混合的LBS室内节点信道分配模型和可信度评估与控制方法。信道分配模型解决了组合信道分配包括业务负载判据和每个节点的可用射频及非重叠的射频信道的数量问题。通过对每一个接入点(AP)的信号强度建立与参考点的信号强度的预测模型,采用基于能量度量优化算法判断选择组合信道可信度,自适应选择性能好的邻居节点参与迭代优化。仿真结果表明,该方法能有效抑制通信干扰误差在网络内的扩散,降低定位复杂度,提高定位精度,同时提高整个网络的扩展性与鲁棒性。

针对主成分分析(PCA)算法在人脸识别中识别率低的问题，提出一种图像纹理频谱特征与PCA相结合的人脸识别算法。该算法利用纹理单元算子提取人脸图像纹理频谱特征,然后用PCA对所提取的特征降维,最后利用最近邻(KNN)分类器进行人脸识别。在ORL人脸库和Yale人脸库上对所提出的算法进行了测试，识别率均高于PCA、模块化二维PCA(M2DPCA)等方法,分别为96.5%和95%。实验结果表明了该算法的有效性和准确性。

在分析和模拟人眼感知立体图像方式的基础上,提出了一种评价立体图像质量的方法。该方法结合人眼视觉特征和结构相似度算法对立体图像质量进行评价,利用可控金字塔模拟人眼视觉特性中的多通道效应,同时采用立体图像左右视图的特征点的匹配算法对立体图像的立体感进行评价。实验结果表明,该方法与主观评价结果基本一致,能够更好地反映立体图像质量及立体感。

因在细粒度访问控制、定向广播等方面的广泛应用，基于属性的密码机制逐渐受到关注。以一个全安全的属性基加密(ABE)机制为基本构件，结合NAXOS技巧，提出了一个全安全的属性基认证密钥交换协议，并利用可证明安全理论在基于属性的eCK模型中进行了严格的形式化证明。相比已有的同类协议，提出的协议具有更高的安全性，并在提供丰富的属性认证策略的同时，减小了通信开销。

选取了几种经典的自动阈值选取算法对高分辨率遥感图像林区目标进行分割实验，并引入错分类误差、形状测度、均匀测度、最终测量精度和运算速度作为算法评判准则，客观、定量地比较了各种算法对高分辨率遥感图像林区目标的分割性能，所得结论对林区目标分割方法的选取具有一定的指导作用。

为满足k路径近邻查询的实时性要求，运用预计算思想提出了基于NNlists的BNNL算法，通过在用户当前位置和目的地结点进行双向Dijkstra扩展得到两点间的最短路径，再通过对最短路径上的路网结点预计算的m近邻进行优化处理，最终得到正确的k路径近邻。该方法提高了k路径近邻查询的查询速度，尤其适用于兴趣点密度较大、k值较大的情况。

Zhao等提出了一个新的代理盲签名方案，并在此基础上，考虑了签名方程中所有可能的参数选取方法，由此给出了构造代理盲签名方案的一般方法，给出了生成代理密钥的8个方程式。对他们提出的代理盲签名进行了分析，给出了一种伪造攻击，利用这种攻击，不诚实的原始签名人可以成功伪造代理签名密钥，从而假冒诚实的代理签名人生成验证有效的签名，威胁到代理签名人的权益。在Zhao等给出的8种代理密钥方程式中，有一半都无法抵抗这种攻击。