作文自动评分（AES）技术能够自动地对作文进行分析和评分，其已成为自然语言处理技术在教育领域应用的热点研究问题之一。针对目前AES方法割裂了深层和浅层语义特征，忽视了多层次语义融合对作文评分影响的问题，提出了一种基于多层次语义特征的神经网络（MLSF）模型进行AES。首先，采用卷积神经网络（CNN）捕获局部语义特征，并采用混合神经网络捕获全局语义特征，以从深层次获取作文的语义特征；其次，利用篇章级的作文主题向量来获取主题层特征，同时针对深度学习模型难以挖掘的语法错误和语言丰富程度特征，构造了少量人工特征以从浅层获取作文的语言学特征；最后，通过特征融合对作文进行自动评分。实验结果表明，所提出模型在Kaggle ASAP竞赛公开数据集的所有子集上性能均有显著提升，该模型的平均二次加权的卡帕值（QWK）达到79.17%，验证了该模型在AES任务中的有效性。

问句分类作为问答系统的关键模块，也是制约问答系统检索效率的关键性因素。针对农业问答系统中用户问句语义信息复杂、差异大的问题，为了满足用户快速、准确地获取常见作物病害问句的分类结果的需求，构建了基于BERT的常见作物病害问答系统的问句分类模型。首先，对问句数据集进行预处理；然后，分别构建双向长短期记忆(Bi-LSTM)自注意力网络分类模型、Transformer分类模型和基于BERT的微调分类模型，并利用三种模型提取问句的信息，进行问句分类模型的训练；最后，对基于BERT的微调分类模型进行测试，同时探究数据集规模对分类结果的影响。实验结果表明，基于BERT的微调常见作物病害问句分类模型的分类准确率、精确率、召回率、精确率和召回率的加权调和平均值分别高于双向长短期记忆自注意力网络模型和Transformer分类模型2～5个百分点，在常见作物病害问句数据集（CCDQD）上能获得最高准确率92.46%，精确率92.59%，召回率91.26%，精确率和召回率的加权调和平均值91.92%。基于BERT的微调分类模型具有结构简单、训练参数少、训练速度快等特点，并能够高效地对常见作物病害问句准确分类，可以作为常见作物病害问答系统的问句分类模型。

针对区间值模糊软集信息测度难以精确定义的问题,提出了区间值模糊软集的距离测度、相似度、熵、包含度、子集度的公理化定义,给出了区间值模糊软集的信息测度公式,并讨论了它们的转换关系。然后提出了一个基于相似度的聚类算法,该算法结合区间值模糊软集的特性,着重对给出评价对象的具有相似知识水平的专家进行聚类,同时讨论了算法的计算复杂度。最后通过实例说明该算法能有效地处理专家聚类问题。

机会网络基于方向的地理路由(DIG)算法存在数据分组传输时延偏大以及成功率偏低的问题,这是由于DIG算法使数据在缓存中的等待时间过长且不能有效保证携带数据的节点向目的节点方向移动,针对该问题,提出了基于定向数据传输的地理路由(GRDDT)算法。该算法采用了一种新的数据转发机制并且更加有效地利用邻居表信息,有效避免了以上情形的出现,从而达到降低数据分组传输时延并提高成功率的目的。OPNET仿真实验结表明,与DIG算法相比,GRDDT算法在传输时延和数据传输成功率等方面的性能均得到提高。

磁共振(MR)图像的灰度通常是不均匀的，这种不均匀性是由于成像设备的缺陷导致产生了一种光滑的偏移场。一般的基于灰度统计特性的分割算法都是假设目标区域和背景区域图像的灰度分别是一致的，因此该类算法不能很好地应用于磁共振图像的分割。提出一种基于局部拟合模型的磁共振图像分割与偏移估计算法：利用图像的局部区域的灰度特性建立恢复图像的灰度、偏移量，以及区域指示函数之间的能量函数，然后分别针对恢复图像的灰度、偏移量以及指示函数进行优化。该算法可以同时对磁共振图像进行分割与偏移估计。实验结果表明该算法优于目前比较流行的磁共振图像分割与去偏移算法如变分水平集方法。

针对差分进化（DE）算法收敛早熟与计算效率不理想的问题，提出一种改进的差分进化算法。首先，在进化中同时并行多个策略与参数组合来提高个体多样性。其次，依据建立的评价指标自适应地调整组合来提高寻优效率。最后，把进化过程分为若干的子进程以避免前期优势组合不适应后期的问题。在10个标准测试函数上的实验结果表明，提出的算法与其他算法相比具有相对较好的性能。

针对脑白质疏松症病变区域在磁共振图像的T ₂加权像上呈现斑块状或融合成片状的高亮信号这一特点,提出了一种基于C-V模型的水平集分割方法对病变区域进行图像分割。首先,对C-V模型进行改进以避免重新初始化问题;然后,使用Otsu阈值法对图像进行预分割,将预分割的结果直接作为改进C-V模型的初始轮廓;最后,利用水平集方法进行曲线演化,得到最终的分割轮廓。实验结果表明,该方法能较为准确地分割出病变区域,实现病变区域的计算机自动快速分割,对脑白质疏松症临床辅助诊断和预后判断有一定的应用价值。

对神经元动作电位进行模式分类是植入式脑机接口研究的前期关键问题。考虑到来自不同神经元的动作电位在时域或频域特征上的相似性，引入小波分析在时频域上对动作电位进行特征描述。首先以db、sym、bior三类小波函数系为例，分别获取了动作电位的高维小波系数特征；然后对特征分量进行非正态分布特性的KS检验，以实现特征降维；最后通过非监督的K均值方法完成动作电位聚类。实验结果表明：在神经信号噪声水平为0.05dB、0.1dB和0.15dB时，各小波基的分类性能略有不同。其中sym5小波性能突出，动作电位错分率基本稳定在1.21%～181%。最后与主成分分析法(PCA)进行了分类性能的比较，进一步证实了小波时频分析方法(sym5小波)在抗干扰性和稳定性方面的优势。

由于集装箱自身的构造特点以及X光扫描机的信息采集误差，使得集装箱X光图像有很强的竖纹噪声。为提高X光图像中感兴趣区域的清晰度并抑制不感兴趣信息，提出了一种以有限对比适应性直方图均等化为基础的改进方法：对原始图像进行有限对比适应的直方图均等化处理，进行图像增强，并对处理后的图像进行中值滤波，以减少箱体的竖纹噪声，得到图像的低频信息，然后，对原图像进行拉普拉斯滤波处理，得到图像的相对高频信息。最后，将处理后的两幅图像加权相加，作为增强后的目标图像。实验证明，该方法能有效削减竖纹噪声，很好地保存图像的目标信息，便于对集装箱X光图像进一步研究。

为使灰度共生矩阵(GLCM)提取的特征值较好地表达纹理信息，对Brodatz纹理库图片进行了大量实验。首先测试了各构造参数对关键特征统计量的影响，给出了特征值随参数变化的规律，确立了构造参数的合理取值；然后测试了图像旋转和大小变化对所提取特征值的影响。实验结果对优化灰度共生矩阵的构造、实现基于纹理的图像检索有参考意义。

为实现直写曝光机中图形发生器的软件功能模块,系统地给出了一种多边形的双向链接边表的表示方法及高效的平面子区域划分的叠合算法。该算法以计算几何中常用的平面扫描算法为基础,对叠合过程中出现的各种情况,给出了通用的处理方法,针对多边形中出现空洞的情况,提出了一种判别准则和基于图的重构的遍历搜索方法。根据分析,该算法的时间复杂度含有对数因子,优于传统的二次项复杂度,并且具有线性的空间复杂度。由于双向链接边表的数据结构主要由指针和链表组成,所以易于在计算机中实现。

针对测地线主动轮廓(GAC)模型进行了改进,提出了一种基于区域的GAC模型。通过构造基于区域统计信息的符号压力函数取代边界停止函数,有效解决了弱边界目标或离散状边界目标的分割问题。该模型采用二值化水平集方法实现，避免了传统实现方法水平集函数需要重新初始化为符号距离函数，从而导致稳定性差、计算量大、实现复杂等缺点。对不同类型图像的试验结果表明：该算法迭代收敛速度比GAC模型传统实现方法明显加快，且可有效防止边界泄漏，分割效果优于传统GAC模型与C-V模型。

为了研究Ad Hoc网络中节点间的信任关系，借助于模糊逻辑的知识，提出了一种基于模糊逻辑的Ad Hoc网络信任模型。该信任模型考虑了影响Ad Hoc网络信任的几个因素，并用模糊逻辑的方法来处理它们以得到节点的信任值。由仿真示例可以看出，该模型符合现实中的信任行为。

针对分水岭算法存在的过分割问题以及医学图像的特点，提出了一种能够有效增强梯度图像边缘点并且消除局部极小值的方法。 首先采用多尺度滤波法提取图像的边缘信息，然后提出了基于图像边缘滤波消除局部极小值的方法，最后介绍了算法的步骤及结果。实验结果表明，通过该方法处理的梯度图像再进行分水岭变换，即使不进行区域合并也能达到很好的效果。

在最大近邻距离（Maximum Close Distance,MCD）相关跟踪算法的基础上进行改进，提出了最小远离距离（Maximum Far Distance,MFD）算法。该算法通过单调降低累加和的上限，快速终止非匹配点处的计算，最终减小了总体计算量。为应付MCD算法中存在的模板漂移问题，对MFD算法采用的像素相似性阈值进行动态调整，并在出现多个匹配点的情况下用另外的相关算法做最终筛选，从而在保持了MCD算法抗噪声、抗局部遮挡等优点的同时，显著抑制了模板的漂移。算法还将相关匹配与伺服系统的控制特性结合起来进行考虑，更加合理地选择匹配区域，从而允许更快的伺服控制速度。