针对功能磁共振成像（fMRI）数据的高维度小样本问题，提出谱聚类半监督特征选择（SS-FSSC）模型。首先利用先验脑区模板提取时间序列信号；然后选取皮尔逊相关系数与序统计量相关系数（OSCC）描述脑区间的功能连接特征，并对特征进行谱聚类；最后利用基于Constraint得分的特征重要性准则挑选出特征子集，并把这些子集输入支持向量机（SVM）分类器进行分类。实验通过在COBRE精神分裂症公开数据集上重复进行100次五折交叉验证，发现当保留特征数为152时，所提模型对精神分裂症得到最高平均准确率约为77%，最高准确率为95.83%。实验结果分析表明，模型仅保留16个功能连接特征进行分类器训练就能稳定达到70%以上的平均准确率，且所提模型得到的结果中功能连接对应的10个脑区中距状裂皮质（Intracalcarine Cortex）出现频次最高，符合现有对精神分裂症的研究状况。

针对粒子群优化（PSO）算法存在的开发能力不足，导致算法精度不高、收敛速度慢以及微分进化算法具有的探索能力偏弱，易陷入局部极值的问题，提出一种基于模糊高斯学习策略的粒子群-进化融合算法。在标准粒子群算法的基础上，选取精英粒子种群，运用变异、交叉、选择进化算子，构建精英粒子群-进化融合优化机制，提高粒子种群多样性与收敛性；引入符合人类思维特性的模糊高斯学习策略，提高粒子寻优能力，形成基于模糊高斯学习策略的精英粒子群和微分进化融合算法。对9个标准测试函数进行了计算测试和对比分析，结果表明函数Schwefel.1.2、Sphere、Ackley、Griewank与Quadric Noise计算平均值分别为1.5E-39、8.5E-82、9.2E-13、5.2E-17、1.2E-18，接近算法最小值；Rosenbrock、Rastrigin、Schwefel及Salomon函数收敛平均值较四种对比粒子群优化算法计算结果提高了1~3个数量级；同时，收敛性显示算法收敛速度较对比算法提高了5%~30%。算法在提高计算收敛速度和精度上效果明显，具有较强的逃离局部极值的能力和全局搜索能力。

针对现有拜占庭容错协议的假设(要求被保护的对象是被动的和独立的)不适用于服务计算等新兴计算模型的问题,提出一种面向服务计算的拜占庭容错协议。该协议在服务请求方和服务提供方两端均创建服务复制品,采用基于状态机的主动复制技术,在服务复制品间进行三轮通信,就该请求的编号和内容达成一致,随后该请求被提交给上层应用逻辑处理;收到应答后,服务请求方的复制品进行三轮通信就应答的编号和内容达成一致后接受该应答。针对现有面向服务计算的拜占庭容错协议只有简单的正确性推理缺乏形式化验证的问题,采用I/O自动机和模拟关系方法进行正确性证明,更加严谨和正式。构造一个高度抽象的简单I/O自动机 S,此自动机满足安全性和及时性;将协议中的各方分解成若干简单I/O自动机:前端自动机、后端自动机和多播通道自动机;最后用模拟关系方法证明各成员自动机构成的系统实现了自动机 S,从而证明协议的正确性。使用I/O自动机可以精确描述协议,以此为基础进行证明比感性推理的证明方法更加规范。

对带约束条件的灰色非线性规划问题进行了探讨，首先将原灰色约束非线性规划问题进行均值白化处理，转化成一个确定型的带约束条件的非线性规划问题，对该确定型的非线性约束规划问题提出一个基于分布估计算法的随机搜索方法，对所提出的求解方法的关键技术作了详细的说明并给出了具体的算法步骤。 初步的数值算例表明所提出的方法是可行有效的

针对势场法的障碍物附近目标不可达的问题，改进了传统人工势场斥力函数，确保目标点是机器人的势场全局最小点，使得机器人顺利到达目标点。针对势场法的局部最小值问题，提出了一种连接局部最小值区域障碍物的方法，建立了机器人离散传感器模型，使机器人快速走出局部最小值区域。改进后的人工势场法适用于复杂室内环境下的机器人路径规划。仿真结果证明了该方法的有效性。