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。

针对周期汇报型无线传感器网络(WSN)中数据量大而导致的无线信号冲突概率高的问题,提出了一种分布式的时分多址调度策略(DTSS)。该策略采用了一种分布式的竞争算法来构建节点的时隙调度表,即每个节点根据自身搜集到的信息来决定下一跳目的节点,并和其他节点竞争传输时隙。所有节点完成时隙调度表的建立后,节点在每个数据采集周期根据自己的工作时隙调度表发送和接收数据。仿真结果表明,该策略避免了节点无线信号的冲突,降低了节点能耗,延长了网络生命周期。

为提高对未知攻击的检测能力，克服由于“正常”与“异常”界线模糊引起的误报与漏报，提高入侵检测系统的自适应能力，基于danger theory提出以危险信号作为入侵检测的协同检测信号的方法，并运用粗糙集理论，实现了对危险信号的测定。同时，阐述了危险信号在入侵检测的协同检测中的控制策略及系统的逻辑结构和处理流程。

在分析了基于密度的聚类算法（DBSCAN）及其改进算法的缺点的基础上，提出了一种多密度阈值的DBSCAN改进算法。算法通过构建网格密度矩阵绘制密度分布图，辅助用户确定密度层次划分。根据基于网格与基于密度的聚类算法间的等效规则计算各个密度层次的密度阈值ε。通过多密度层次的聚类过程得到多个密度层次上的更加精细的聚类结果。解决了DBSCAN算法参数选取困难和难以发现密度相差较大的簇的问题，具有重要的实用意义。