针对现有基于注意力机制的弱监督动作定位方法对动作边界处的片段容易错误分类的问题，提出一种融合片段对比学习的弱监督动作定位方法。首先，引入三个分支的注意力机制，分别测量每个视频帧是动作实例、上下文以及背景的可能性；其次，基于得到的注意力值构建对应分支的类激活序列；然后，通过片段挖掘算法构造正负样本对；最后，利用片段对比学习引导网络将模糊片段正确归类。实验结果表明，当交并比（IoU）取值0.5时，在THUMOS14与ActivityNet1.3两个公共数据集上，所提方法的平均检测精度（mAP）分别达到了33.9%和40.1%，相较于DGCNN（Dynamic Graph modeling for weakly-supervised temporal action localization Convolutional Neural Network）弱监督动作定位模型在上述两个数据集上分别提升1.1和2.9个百分点，验证了所提方法的有效性。

针对嵌入式系统中NAND设备存储密度较低的问题，提出一种高存储密度的新型设备管理方案。通过研究大量NAND存储结构和BCH校验编码设计，在页面中找到一种通用的信息存储结构模式。使得冗余区(OOD)编码满足错误纠正码(ECC)纠错能力的同时可容纳设备分区管理信息，从而将主页面全部用于数据存储，并以此为基础进行了设备读写、损益均衡机制的设计。实验结果表明，所提方案中NAND设备数据存储密度可达98%，优于当前多数主流文件系统。该方案具备很高的数据存储密度，设备读写效率和擦写寿命相对稳定，在嵌入式系统平台中具备很好的应用优势。

针对现有算法不能有效应用于多因素轨迹异常检测的问题，提出基于核主成分分析(KPCA)的异常轨迹检测方法。首先，为了改善轨迹特征提取的效果，采用KPCA对轨迹数据进行空间转换，将非线性空间转换到高维线性空间；其次，为了提高异常检测的准确率，采用一类支持向量机对轨迹特征数据进行无监督学习和预测；最终检测出具有异常行为的轨迹。采用大西洋飓风数据对算法进行测试，实验结果表明，该算法能够有效提取出轨迹特征，并且与同类算法相比，该算法在多因素轨迹异常检测方面具有更好的检测效果。

针对当前嵌入式系统对于低成本迫切需求，研究并设计了一种基于闪存设备（NAND FLASH）的新型虚拟EEPROM（Virtual EEPROM）设备。该设备被虚拟为操作系统NAND设备分区使用，使用数据备份机制确保数据信息安全性。针对NAND只支持页面单元的编程操作，使用缓冲区日志更新的方法，高效地解决Virtual EEPROM字节编程问题。最后通过设计损益均衡层实现NAND存储块的统一管理，对坏块和寿命问题进行大幅优化。分析结果表明，Virtual EEPROM具备NAND快速编程特性，擦写寿命较EEPROM有很大优势。该设计架构具备很好的系统兼容性，可以扩展移植于多种嵌入式平台。

为了更好地处理匹配效率、重复纹理匹配和仿射不变性匹配等问题，对完全仿射不变特征变换（ASIFT）算法进行两方面改进。匹配框架中特征提取的改进提高了ASIFT算法的匹配效率；利用优化随机采样算法（ORSA）结合以单应矩阵为几何线性约束模型的随机抽样一致性（RANSAC）改进匹配算法，提高了匹配精度和重复纹理结构的适应能力。实验结果表明，提出的改进算法能较好地匹配高度相似纹理，计算量小，计算速度快且精度高。

针对目前人脸表情识别(FER)中Gabor特征维数高、计算量大并且存在特征冗余的问题,提出一种基于Gabor参数矩阵与改进Adaboost的人脸表情识别算法。首先,结合图像像素信息与Gabor小波核的参数定义Gabor参数矩阵;其次,在Adaboost中引入遗传算法(GA)的思想改进其搜索性能,并利用改进的Adaboost选择与Gabor参数矩阵元素对应的最优特征来构建强分类器,从而通过特征选择的方法降低Gabor特征的维数和冗余，减少计算量;最后,在构建多个强分类器的基础上,提出多表情分类算法实现面部表情的分类识别。基于Matlab的实验结果表明,该算法的平均表情识别率为89.67%,且最优特征的选取效率得到明显提高。