针对相位一致性特征对血管中心检测不足问题，提出基于融合相位特征的眼底视网膜血管分割算法。首先，预处理原始的视网膜图像；然后，对图像中每个像素构造4D的特征向量（包括Hessian矩阵、Gabor变换、条带选择组合位移滤波响应（B-COSFIRE）滤波、相位特征）；最后，采用支持向量机（SVM）进行像素分类，实现眼底视网膜血管的分割。其中，相位特征是将分别提取的相位一致性特征与Hessian矩阵特征进行小波融合后得到的一种新的融合相位特征。该特征既保留了相位一致性特征良好的血管边缘信息，又克服了相位一致性特征对血管中心检测的不足。在用于血管提取的数字视网膜图像（DRIVE）数据库上测得基于融合相位特征的视网膜血管分割算法的平均准确率（Acc）为0.9574，平均受试者工作曲线面积（AUC）为0.9702；且在单一特征进行像素分类提取血管的实验中，与使用相位一致性特征相比，使用融合相位特征进行像素分类提取血管的Acc由0.9191提高到0.9478，AUC由0.9359提高到0.9578。实验结果表明，融合相位特征比相位一致性特征更适用于基于像素分类的眼底视网膜血管分割算法。

潜在语义索引具有可计算性强，需要人参与少等优点。对其中重要的优化过程--权重计算，进行了深入分析。针对目前应用最广泛的TF-IDF方法中，采用线性处理的不合理性以及难以突出对文本内容起关键性作用的特征的缺点，提出了一种基于"Sigmiod函数"和"位置因子"的新权重方案。突出了文本中不同特征词的重要程度，更有利于潜在语义空间的构造。通过实验平台"中文潜在语义索引分析系统"的测试结果表明，该权重方法更利于基于潜在语义的检索性能的提高。

利用流形正则化的思想,围绕半监督学习,提出了一种针对回归问题的新算法。该算法基于流形上的正则化项和传统的正则化项相结合的方法,利用支持向量机回归已有的结果,解决半监督学习的回归问题,提高了泛化能力。通过数值试验,验证了该算法具有较好的泛化能力,对噪音具有较强的鲁棒性,与支持向量回归相比,具有更高的学习精度。