针对现有视频伪造数据集缺少多模态伪造场景与部分伪造场景的问题，构建一个综合使用多种音、视频伪造方法的、伪造比例可调的多模态部分伪造数据集PartialFAVCeleb。所提数据集基于FakeAVCeleb多模态伪造数据集，并通过拼接真伪数据构建，其中伪造数据由FaceSwap、FSGAN（Face Swapping Generative Adversarial Network）、Wav2Lip（Wave to Lip）和SV2TTS（Speaker Verification to Text-To-Speech）这4种方法生成。在拼接过程中，使用概率方法生成伪造片段在时域与模态上的定位，并对边界进行随机化处理以贴合实际伪造场景，并通过素材筛选避免背景跳变现象。最终生成的数据集对于每个伪造比例可产生3 970条视频数据。在基准检测中，使用多种音视频特征提取器，并分别进行强、弱监督两种条件下的测试，其中弱监督测试基于层次多示例学习（HMIL）方法实现。测试结果显示，各个测试模型在伪造比例较低数据上的性能表现显著低于在伪造比例较高数据上的性能，且弱监督条件下各模型的性能表现显著低于强监督条件下的表现，这验证了该部分伪造数据集的弱监督检测困难性。以上结果表明，以所提数据集为代表的多模态部分伪造场景有充分的研究价值。
为了加强对局部空域航路的掌握和管理，提出一种基于轨迹点聚类的航路发现方法。首先，针对根据真实数据的分布特点生成的仿真数据，采用预处理模块对轨迹数据的噪声进行削弱和剔除；其次，提出一种包括孤立点剔除、轨迹重采样、轨迹点聚类、聚类中心修正和连接聚类中心五个部分的航路发现方法，对航路进行提取；最后，对航路提取结果进行了可视化输出，并使用民航数据对该方法进行了验证。在仿真数据上的实验结果表明，在噪声强度为0.1°、缓冲区为30 km的条件下，所提方法的节点覆盖率和长度覆盖率分别为99%和94%；与栅格化方法相比，该方法具有较高准确性，能够对航路进行更有效的提取，达到了提取飞行器常见航路的目的。
针对交通诱导管理措施的制定常缺乏理论支持的问题，提出信息约束机理作用下的时变路径选择行为研究方法。从人的知觉角度出发基于模糊聚类算法深入解析了多源交通信息(MSTI)的约束规律，借助VISSIM软件模拟路网环境并构建交通状态模式识别模型模拟信息约束下出行者的心理活动。采用意向(SP)调查法获取驾驶员在路网中的路径选择决策数据，并利用Biogeme软件对行为数据建模。结果表明，当偏好路径拥挤不严重时，信息很难对行为产生约束，出行者更倾向于坚持偏好路径；但随着偏好路径拥挤加剧，在信息影响下路径变更行为渐趋频繁，相应的信息对行为的约束也逐渐增强。研究结论为信息环境下出行者的不完全理性行为研究提供了思路及借鉴，并可为交通管理部门提供决策支持。
随着卫星网络在应急通信中的应用,卫星终端业务的种类不断增加,业务流量可瞬间增大,具有明显的突发性,终端上的数据流量数据呈现出自相似性。利用时间间隔服从重尾分布的ON/OFF叠加模型产生卫星终端的自相似业务流量,并讨论了自相似业务流量输入对卫星终端的丢包率、时延和时延抖动的影响以及对有效带宽的需求。通过仿真,得出了网络终端业务丢包率、时延、时延抖动与系统缓存之间的关系,在此基础上,提出了减少时延、降低丢包率的思路,在带宽和缓存受限的情况下,为信息的高效传输提供了理论依据。
针对在三维头发模型重用过程中，三维头发贴合到不同的人头模型时可能会出现的错位或大小不匹配的问题，提出一种基于头皮层特征点的三维头发重用方法。首先，根据模型文件的数据存储结构，分离出头发模型的头皮层，并提取特征点；其次，结合二维平面图像人脸检测方法，对目标三维人头模型的发根范围进行了特征点提取；然后，根据两个模型的特征点计算出的平移量与缩放系数，对头发模型整体进行了平移与缩放操作；最后，单独对头皮层和人头模型的贴合进行处理。最终能够使三维头发适应目标人头模型，保证头发造型信息无丢失，而且头皮层与人头模型达到了紧密贴合的效果。实验结果表明，该方法能够有效地提高三维头发模型的重用性，并且不受头发模型个性部分和分布区域等限制。
