KLEIN自提出之后经历了截断差分分析、积分分析等攻击，加密结构具有实际安全性，但是由于密钥扩展算法的脆弱性导致了全轮密钥恢复攻击。首先，修改密钥扩展算法，提出一种改进后的算法N-KLEIN；其次，采用in-place方法对S盒进行高效量子电路实现，减小了电路的宽度和深度，提高了量子电路的实现效率；再次，使用LUP分解技术实现混淆操作的量子化；继次，对N-KLEIN进行量子电路设计，提出全轮N-KLEIN的高效量子电路。最后，评估N-KLEIN算法量子实现的资源占用，并与PRESENT、HIGHT等现有的轻量级分组密码的量子实现占用资源进行对比；同时，基于Grover算法对密钥搜索攻击所需要的代价进行深入研究，给出Clifford+T模型下N-KLEIN-｛64，80，96｝使用Grover算法搜索密钥需要的代价，并评估了N-KLEIN的量子安全性。对比结果表明，N-KLEIN算法量子实现的成本明显较低。

外部函数接口（FFI）是解决一种编程语言调用其他语言函数库的主要方法。针对使用FFI技术时需要大量人工编码的问题，提出自动化外部函数接口生成（AFIG）方法。该方法利用基于抽象语法树的源码逆向分析技术，从被封装的库文件中精准提取出用于描述函数接口信息的多语言融合的统一表示。基于此统一表示，不同平台的代码生成器可利用多语言转换规则矩阵，全自动化地生成不同平台的FFI相关代码。为解决FFI代码生成中的效率低下问题，设计了一种基于依赖分析的任务聚合策略，通过把存在依赖的任务聚合为新的任务，有效消除了FFI代码任务在并行下的阻塞与死锁，从而实现任务在多核系统下的可扩展与负载均衡。实验结果表明：与人工编码相比，AFIG方法减少了FFI开发中98.14%的开发编码量以及41.95%的测试编码量；与现有的SWIG （Simplified Wrapper and Interface Generator）方法相比，在同等任务下可减少61.27%的开发成本；且生成效率随着计算资源的增加呈线性增长。

针对平衡优化器（EO）存在寻优精度低、收敛速度慢、容易陷入局部最优的不足，提出一种考虑距离因素与精英进化策略的平衡优化器（E-SFDBEO）。该算法首先在平衡池候选解的选择中引入距离因素，通过自适应权重平衡适应度值和距离，调节算法在不同迭代时期的探索和开发能力；其次引入精英进化策略（EES），以精英自然进化和精英随机变异两种方式提升算法的收敛速度和精度；最后使用自适应t分布变异策略对部分个体施加扰动，并以贪心策略对个体进行保留，使算法能够有效跳出局部最优。在仿真实验中对所提算法与4种基本算法和2种改进算法在10个基准测试函数进行比较，并对算法进行Wilcoxon秩和检验，结果表明所提算法具有更好的收敛性和更高的求解精度。

现有的评审专家推荐过程通常依赖于人工匹配，在进行专家推荐时不能充分捕捉评审项目所属学科与专家研究兴趣之间的语义关联，导致专家推荐的精确性较低。为解决这个问题，提出了一种科研项目同行评议专家学术专长匹配方法。该方法构建学术网络以建立学术实体联系，并设计元路径捕捉学术网络中不同节点间的语义关联；使用随机游走策略获得项目所属学科与专家研究兴趣共现关联的节点序列，并通过网络表示学习模型训练得到具有语义关联的项目所属学科与专家研究兴趣的向量表示；在此基础上，按照项目学科树层次结构逐层计算语义相似度，以实现多粒度的同行评议学术专长匹配。在爬取的知网和万方论文数据集、某专家评审数据集、以及百度百科词向量数据集上得到的实验结果表明，所提方法能提升项目所属学科与专家研究兴趣间的语义关联，并能有效应用于项目评审专家的学术专长匹配。

为解决以蒙特卡罗定位算法为代表的激光室内定位算法存在的定位精度差和抗机器人绑架性能差的问题，以及传统二维码定位算法环境布置复杂且对机器人运行轨迹有严格要求的问题，提出了一种融合二维码视觉和激光雷达数据的移动机器人定位算法。机器人首先利用机器视觉技术搜索检测环境中的二维码，然后将检测出二维码的位姿分别转换至地图坐标系下，并融合生成先验位姿信息。而后以此作为初始位姿进行点云对准以得到优化后的位姿。同时引入里程计-视觉监督机制，从而有效解决了包括二维码信息缺失、二维码识别错误等由环境因素带来的问题，并保证了位姿的平滑性。基于移动机器人的实验结果表明，所提算法比经典的自适应蒙特卡罗定位（AMCL）算法的雷达采样点平均误差下降了92%，单次位姿计算时间减少了88%，可有效解决机器人绑架问题，并应用于以仓储机器人为代表的室内移动机器人。

为了准确、可靠地识别光伏模型参数，提出一种改进回溯搜索算法（MBSA）。该算法首先通过选取部分种群个体同时学习当前种群和历史种群信息，而其他个体向当前种群中最优个体学习并远离最差解，从而保持种群多样性并提高收敛速度；然后，通过概率来量化总体中的个体性能，进而每个个体基于概率自适应地选择不同的进化策略来平衡探索和开发能力；最后，采用基于混沌局部搜索的精英策略来进一步提高种群的质量。所提算法在单二极管、双二极管和光伏模块等不同的光伏模型上进行仿真实验。实验结果表明，所提出的策略极大提升了回溯搜索算法（BSA）的收敛速度和参数识别的准确性。将所提算法与逻辑混沌JAYA（LCJAYA）算法和多重学习回溯搜索算法（MLBSA）等八种先进的算法进行对比，结果表明，所提出算法参数识别的鲁棒性在对比算法中最优，在单、双二极管模型上的识别准确性明显优于JAYA、LCJAYA、改进的JAYA优化（IJAYA）和基于教学的优化（TLBO）算法，在光伏模块模型上的识别准确性明显优于MLBSA、JAYA、IJAYA和TLBO算法。在不同光照条件和不同温度下采用厂商真实数据对薄膜、单晶和多晶三种光伏组件进行的实际测试中，所提算法的预测结果与实测情况一致。仿真结果表明，所提算法能够精确稳定地识别光伏模型参数。

考虑到智能音箱中多采用麦克风阵列作为拾音装置，而单通道自适应滤波技术对声学回声消除具有失真性和复杂性，提出一种麦克风阵列快速回声消除算法。该算法首先用自适应滤波技术估计第一通道回声，然后估计阵列间的相对回声传递函数，把两者相乘得到其他通道回声；其次，把估计出的回声和噪声当作广义旁瓣抵消器（GSC）波束形成下支路的噪声参考信号，利用GSC波束形成算法去除回声和噪声。仿真结果表明，在中度混响、远距离、低回噪比且用音乐作为回声环境时，该算法具有良好的回声消除与噪声抑制性能，不仅运算量小，而且使目标语音信号具有较高的信源失真率和可懂度。

作者身份识别任务旨在判断一篇文档的作者，但目前已有的作者身份识别方法都是目标独立的，意味着这些方法在预测作者身份时假设没有任何限定条件，这与实际情况不相符合。为了解决限定条件下的作者身份识别问题，提出了一种目标依赖的作者身份识别方法TDAA。首先，使用用户评论对应的商品ID作为限定信息；其次，为了使文本建模过程更加具有普适性，使用BERT提取预训练的评论文本特征；然后，使用卷积神经网络（CNN）进行深层次的文本特征提取；最后，为了将两种不同的信息融合起来，讨论了两种不同的融合方式。在亚马逊电影评论（Amazon Movie_and_TV）和CD评论（CDs_and_Vinyl_5）两个数据集上的实验结果表明，所提出的方法在精确率评价指标上较对比方法提高了4%~5%。

微表情（ME）的发生只牵涉到面部局部区域，具有动作幅度小、持续时间短的特点，但面部在产生微表情的同时也存在一些无关的肌肉动作。现有微表情识别的全局区域方法会提取这些无关变化的时空模式，从而降低特征向量对于微表情的表达能力，进而影响识别效果。针对这个问题，提出使用局部区域方法进行微表情识别。首先，根据微表情发生时所牵涉到的动作单元（AU）所在区域，通过面部关键点坐标将与微表情相关的七个局部区域划分出来；然后，提取这些局部区域组合的时空模式并串联构成特征向量，进行微表情识别。留一交叉验证的实验结果表明局部区域方法较全局区域方法进行微表情识别的识别率平均提高9.878%。而通过对各区域识别结果的混淆矩阵进行分析表明所提方法充分利用了面部各局部区域的结构信息，并有效摒除与微表情无关区域对识别性能的影响，较全局区域方法可以显著提高微表情识别的性能。

OpenFlow的出现提高了现有网络的服务质量(QoS)，但在处理海量数据时存在网络会话识别效率低、网络报文转发路径不佳等缺点。在OpenFlow的研究基础上，提出了海量网络数据处理(GOMDI)模型，通过将GPU并行计算、生物序列算法和机器学习方法相融合，设计出GOMDI网络会话匹配算法和路径选择算法。实验结果表明，GOMDI网络会话匹配算法与CPU环境相比加速比提升了近300；路径选择算法中网络丢包率低于5%，网络延时小于20ms。因此，GOMDI模型可有效地提升网络性能，满足大数据环境下实时处理海量信息的需求。

在社会影响力传播领域，社会网络作为媒介在社会个体之间相互影响、传播信息与观点方面发挥着根本性的作用。首先讨论了社会影响力的定义，以及社会影响力作为一种社会相关性的本质属性；然后分析阐述了影响力最大化问题中的独立级联模型和线性阈值模型以及能够确定具有影响力个体的贪心算法和探索式算法；最后对影响力研究的新趋势，诸如基于社区结构的影响力最大化算法以及讨论多个主题、多种行为的影响力研究进行了分析。

针对误码条件下的BCH码盲识别问题,提出了一种低复杂度的算法。现有的对BCH码的识别方法多采用通用的线性分组码识别方法,不能同时适用于码长较长、误码率较高时的情况。该算法基于BCH码是汉明码的子空间,通过汉明码的校验矩阵校验BCH码。识别内容包括码长、码字起点和生成多项式。仿真结果表明:对码长为1023的BCH码,在误码率0.5%的条件下,仍能正确识别。

微弱全球定位系统(GPS)卫星信号的捕获需要较长的积分时间，但受导航数据位翻转的影响，一般采用10ms的相干积分。为进一步提高捕获灵敏度，提出了一种数据位翻转预估算法，该算法通过对多组信号积分结果的对比估算出翻转位的位置，舍弃存在位翻转的5ms数据从而消除其影响，并对其余数据进行15ms的分块相干积分。同时，为降低分块相干积分中非相干积分的平方损耗，采用差分相干积分对其进行改进，并在运算过程中采用“先累加后相关”的方式，在进一步提高捕获灵敏度的同时降低运算复杂度。仿真结果表明，该算法能高效地捕获到信噪比低至-50dB的信号，可有效地提高GPS接收机的捕获灵敏度和捕获效率。

针对推荐系统中存在新项目及准确性难以把握等问题，提出一种基于广义内容概率潜在语义模型的推荐方法。该方法以概率潜在语义模型为基础，引入两组潜在变量及项目特征来建立广义内容概率潜在语义模型。该模型中两组潜在变量分别表示用户群体和项目群体，项目特征根据实际情况以特征词的形式进行表示，且通过不对称学习算法完成未知参数的训练及预测。利用三个不同的数据集对所提方法进行实验验证，结果表明该方法具有良好的项目推荐品质。

由于水下环境复杂多变，造成目标与伪目标的高混合度，某种单一的分割方法通常不能提取出理想的目标区域，因此提出一种基于Blob分析和贝叶斯决策的水下目标提取方法。首先，利用改进的二维OTSU算法计算出最佳阈值，并根据该阈值对图像进行阈值分割，经过连通性分析得到闭合的初始分割区域;然后，采用7种Blob算子对闭合区域进行7维向量描述，并基于贝叶斯决策准则剔除伪目标区域;最后，利用数学形态学算子去除目标区域边界的毛刺和干扰，得到理想的目标区域。通过对水池实验抓取的水下图像进行处理，结果表明该方法能够准确、有效地提取出真目标区域。

能耗时间序列涉及多种能源,且各种能源间关系复杂,主要通过多个独立的单时间序列进行预报,这种方式忽略了多时间序列之间的依赖性。为了充分利用多时间序列之间的关联信息以提高预报的准确性,根据机器学习中的向量值函数学习和多任务学习理论,采用支持向量回归(SVR)算法建立了多时间序列的向量值自回归方法和多任务自回归方法。实验结果证明,与多个独立的单时间序列模型相比,通过这种方法建立的多时间序列自回归模型在焦化工序能耗预报中表现出了更好的性能。

混合矩阵的估计是解决盲信源分离问题的关键一步,但现有研究中缺乏一种同时适用于适定、超定及欠定情况下混合矩阵估计的通用方法。根据张量标准分解的因子矩阵和盲信源分离混合矩阵的估计均存在幅值和排列顺序的不确定性这一性质,将混合矩阵的估计转化为观测信号统计量所组成张量的标准分解问题,标准分解采用循环最小化方法,通过交替最小二乘算法实现。理论分析和仿真实验表明,所提方法可有效解决适定、超定和欠定混合矩阵的估计,是一种估计盲信源分离混合矩阵的通用方法。

针对3GPP长期演进(LTE)系统中使用的混合自动重发反馈(HARQ)技术在数据重传时占用资源块的问题，提出了一种基于频率资源分组的数据重传方法。根据使用的频带宽度，将频率资源分解成资源块组，在原固定资源基础上引入组号判定和资源块选择，以获得更高的分集增益。建立数据重传方法的HARQ模型，结合增量冗余(IR)和Chase合并技术进行验证，仿真结果表明在信道条件较差时，所提方法的误块率(BLER)性能约提升了1.2dB，并且减少了平均重传次数。

针对带权无向图的输出需用边长反映权值大小的问题，提出了一种基于遗传算法的带权无向图画图算法，通过对顶点坐标的编码进行交叉和变异来得到理想的节点坐标，变异算子结合了非一致性变异和单点邻域变异，并在适应度函数中运用顶点平均距离、边交叉数、多度顶点相关边夹角均匀度、边的权值长度比一致程度四个美学标准。实验结果表明，该算法画出的图形连线无交叉,分支清晰，权值—长度相合，能得到清晰、美观且能直观反映权值的可视化输出结果，可应用于带权无向图的可视化输出系统的设计。

为了更简洁高效地构造指定要求的不变矩，并判断矩组信息冗余性，推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入，可以赋予不变矩多项式空间代数结构特征。结合组合计数定理，列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩，这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比，该构造方法更简洁高效且具有一般性，也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性，用于图像描述取得了较好效果。

基于粒子群和模糊熵的图像分割算法用于各种图像分割时，由于基本粒子群算法存在易陷入局部最优以及过早收敛的缺点，使得该算法难以得到理想的分割效果。针对此问题，提出了一种基于小波变异粒子群和模糊熵的图像分割算法，利用小波变异粒子群来搜索使模糊熵最大的参数值，得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其他两种粒子群算法的分割结果进行比较，表明该算法取得了令人满意的分割结果，算法运算时间较小，具有很好的自适应性。

为了减少不同平台上自组网(MANET)路由协议的重复实现和保证协议在不同平台下实现的正确性与一致性,设计并实现了一种可以在Windows、Linux,以及NS-2模拟器上运行的自组网路由协议框架,并用典型的自组网反应式路由协议AODV对其可行性进行了验证。该框架设计中将协议实体与周边环境抽象开来的方法具有通用性,可以适用于其他自组网路由协议甚至其他网络协议(例如TCP),也可以扩展支持其他操作系统。

利用短时傅立叶变换方法对语音信号进行了分析，得到了由各个语音信号相同频率点能量序列构成的时间序列簇。运用时间序列预处理和数理统计的方法，建立了时间序列簇中每一列向量序列与由时间序列簇的每一行向量序列的均值构成的序列之间的线性回归方程。分离了时间序列簇的趋势量和波动量，提取了说话者语音信号的特征参数，并通过这些参数对被识别语音信号进行说话者识别。实验表明在8个说话者194个语音集合中，以文中描述的距离参数为识别指标、取3个特征频率点时，开集平均识别率最高为97.94%。

针对PXA3xx处理器的特性，提出一种DMA控制器系统架构方案，并在此架构上结合嵌入式Linux操作系统实现NAND Flash的底层驱动程序。重点设计了基于JFFS2文件系统的读操作测试方案，测试结果表明，DMA方式能够有效降低CPU处理负载，缓解NAND Flash性能瓶颈。

基于主干子图理论，提出了一种能够对幂率特征图进行布局的混合布局算法，其基本思想就是将待布局的原始图分解为主干子图和若干桩树，采用不同的布局算法对其进行分别布局。实验结果表明，当图的规模小于一定常数时，算法性能要优于传统的K-K算法，且在布局效果上，能使用户较容易地区分出图中的主干子图和各桩树。

为解决视频信息的安全问题，提出了一种利用Lorenz混沌系统，将加密过程融入到压缩过程的MPEG视频加密算法。利用Lorenz系统所产生的三维混沌序列，分别在I帧、P帧和B帧的压缩过程中，对DC、AC系数以及运动矢量进行混沌加密，并对I帧中的亮度信息以块为单位进行混沌置乱。由于加密在压缩过程中完成，该加密算法具有较好的实时性和较高的安全性。

数据流具有数据量无限且流速快等特点，使得传统的聚类算法不能直接应用于数据流聚类问题。针对该问题，提出了一种基于概率密度的数据流聚类算法。此方法不需要存储全部的历史数据，只需要存储新到达的数据并对其应用EM算法，利用高斯混合模型增量式地更新概率密度函数。实验表明，该算法对于解决数据流聚类问题非常有效。

基于实际业务流程建模中成本预算分析的需要，在着色网的基础上扩展了价格信息，提出了价格着色网。讨论了价格着色网的变迁规则，并以一个业务流程实例介绍了价格着色网的分析技术及其应用，实验结果表明着色网扩展价格信息是可行的而且是有效的。

提出了一种多特征信息融合的人耳识别方法。应用Zernike矩方法和非负矩阵分解法(NMF)分别提取出具有旋转不变性的人耳几何特征和人耳子空间投影系数特征，将这两种具有一定互补性的特征串行融合，得到一个分类能力更强的特征。在此基础上，采用神经网络进行人耳识别，为了提高了神经网络的分类准确率和泛化能力，采用Bagging方法构造了Bagging神经网络。给出了一些对比实验，结果验证了方法具有较高识别率。

抓住智能体的独立行为特性，针对多智能体不确定结论的综合问题，提出了一种基于DS证据理论的多智能体不确定结论求解模型。对传统的DS公式进行了扩充和改进，从而解决了多智能体之间结论的信息融合问题，并对模型进行了模拟仿真。