多路复用网络可以形象地描述复杂系统中个体之间的相互作用关系，模体作为一种高阶结构在网络中频繁出现。与单层模体相比，多重模体具有数量多、种类繁、结构杂的特点。鉴于目前缺少针对多重模体的完整检测算法，提出一种适用于多路复用网络的快速多重模体检测算法（FAMMD）。首先，通过改进ESU（Enumerate SUbgraphs）算法进行多重子图枚举；其次，使用层标记和二进制字符串相结合的方法加速同构检测的过程，并且构造了保持度序列和层间依赖性不变的零模型进行多重子图测试；最后，在两层真实网络上进行了模体检测，多重模体表现出紧密相连的三联模式，且在社交网络中更加同质，在交通网络中则更加互补。实验结果表明，所提方法可以准确、快速地检测出反映网络结构特性和符合实际情况的多重模体。

深度学习在缺陷检测方面具有优越性能，然而在工业应用过程中由于缺陷概率低，无缺陷图像的检测过程占据了大部分计算时间，严重限制了整体上的有效检测速度。针对上述问题，提出一种基于级联网络的型钢表面缺陷检测算法SDNet。该算法分为两个阶段：预检阶段和精检阶段。预检阶段采用基于深度可分离卷积（DSC）以及多尺度并行卷积的轻量化ResNet预检网络，判断型钢表面图像是否存在缺陷；精检阶段以YOLOv3作为基准网络对图像中的缺陷进行准确分类与定位，并在主干特征提取网络以及预测分支中引入改进空洞空间金字塔池化（ASPP）模块以及对偶注意力模块，以提升网络的检测性能。实验结果表明，SDNet在1 024像素×1 024像素图像上的检测速度达到每秒120.63帧，准确率达到92.1%。与原YOLOv3算法相比，所提算法的检测速度是原YOLOv3算法的3.7倍，检测精度提高了10.4个百分点，可应用于型钢表面缺陷的快速检测。

为了解决由于型钢表面缺陷形态多样、微小缺陷众多所带来的检测效率低与检测精度差的问题，提出一种基于可变形卷积与多尺度-密集特征金字塔的型钢表面缺陷检测算法——Steel-YOLOv3。首先，使用可变形卷积代替Darknet53网络部分残差单元的卷积层，从而强化特征提取网络对型钢表面多类型缺陷的特征学习能力；其次，设计了多尺度-密集特征金字塔模块：在原有YOLOv3算法的3层预测尺度上增加1层更浅层的预测尺度，再对多尺度特征图进行跨层密集连接，从而增强对密集微小缺陷的表征能力；最后，针对型钢缺陷尺寸分布特点，使用K-means维度聚类方法优化先验框尺寸并将先验框平均分配到4个对应预测尺度上。实验结果表明：Steel-YOLOv3算法具有89.24%的检测平均精度均值（mAP），与Faster R-CNN（Faster Region-based Convolutional Neural Network）、SSD（Single Shot MultiBox Detector）、YOLOv3和YOLOv5算法相比分别提高了3.51%、26.46%、12.63%和5.71%，且所提算法显著提升了微小剥落缺陷的检出率。另外，所提算法的每秒检测图像数量达到25.62张，满足实时检测的要求，可实际应用于型钢表面缺陷的在线检测。

为提高路径追踪渲染3D场景的速度，提出3D场景渲染的视觉显著性驱动间接光照复用算法。首先，根据视觉感知中感兴趣区域显著性高、其他区域显著性低的特点得到场景画面的2D显著性图，该显著性图由图像的颜色信息、边缘信息、深度信息以及运动信息构成。然后，重新渲染高显著性区域的间接光照，而低显著性区域则在满足一定条件的情况下复用上一帧的间接光照，达到加速渲染的目的。实验结果表明：该算法生成画面的全局光照效果真实，在多个实验场景下的渲染速度均有提升，速度最高能达到高质量渲染的5.89倍。

针对通过脑成像对阿尔茨海默症（AD）进行人工识别存在主观性、易误诊的问题，提出了一种基于核磁共振成像（MRI）图像构建脑网络对AD进行自动识别的方法。首先，把MRI图像叠加并进行结构块划分，并通过计算任意两个结构块之间的结构相似性（SSIM）来构造网络；然后，利用复杂网络理论提取结构参数，并将其作为机器学习算法的输入实现AD的自动识别。分析发现双参数特别是节点介数和边介数作为输入时分类效果最优，进一步研究发现MRI图像划分为27个结构块时分类效果最优，对于加权网络和无权网络的准确率分别最高可达91.04%和94.51%。实验结果表明，基于MRI结构块划分构建的结构相似性复杂网络能够对AD进行准确率更高的识别。

针对可视图（VG）算法存在噪声鲁棒性差的问题，提出一种改进的有限穿越可视图（LPVG）建网方法。该算法基于可视图（VG）算法的可视性准则，并设定有限穿越视距，将时间序列中满足条件的点连接起来，从而将时间序列映射为网络。首先，对LPVG算法进行性能分析；然后，将LPVG算法结合功率谱密度（PSD）算法应用到癫痫发作前、中、后脑电信号的识别上；最后，提取三种状态下癫痫脑电信号的LPVG网络特征参数，研究癫痫对网络拓扑结构的影响。仿真结果表明，与VG和水平穿越可视图（HVG）相比，虽然LPVG算法的时间复杂度较高，但是LPVG对信号中的噪声具有较强的鲁棒性：分别对周期、随机、分形和混沌四种时间序列进行LPVG建网，发现随着噪声强度增大，LPVG网络聚类系数的波动率均为最低，分别为6.73%、0.05%、0.99%和3.20%。接下来对脑电信号的PSD和LPVG建网分析结果表明，癫痫发作中，PSD值在delta频带下显著增强，而在theta频带下显著降低；LPVG网络拓扑结构有所改变，网络中各模块的独立性有所提高，网络的平均路径长度增大，复杂度降低。所提的功率谱密度和有限穿越可视图算法能够有效表征癫痫前、中、后三种状态下的脑电信号能量分布和单通道信号可视化后的网络拓扑结构的异常，为癫痫的病理研究和临床诊断提供帮助。

针对协作通信系统中源到中继及中继到目的两阶段的瞬时信道状态信息(CSI)影响系统整体误码率(BER)的问题,提出一种综合衡量两阶段信道系数的中继选择方案.首先,根据每个候选中继的CSI,比较源到中继及中继到目的的两阶段信道系数,选出两者中较差的信道状态;然后,按照较差的信道状态对候选中继排序,得到近似较优的中继节点集合;最后,从中选择两阶段信道系数之和最大者作为被选中继参与协作传输.仿真结果表明,当候选中继节点数为100及5,BER下降到10^-4及10^-5时,所提的中继选择方案与基于最优较差信道的中继选择方案、基于最近邻关系的中继选择方案相比,所需信噪比(SNR)分别降低了0.4 dB和0.2 dB.所提方案能够增加无线中继网络的信息传输范围,提高信息传输的可靠性.

为了满足日益复杂的虚拟环境中碰撞检测的高实时性要求，提出一种基于图像空间的快速碰撞检测算法，有效利用了图形处理器(GPU)的加速功能。该算法以基于物体空间的凸块层次二叉树技术及方向包围盒(OBB)之间的碰撞检测为前提，可快速排除场景中明显不相交的凸块;然后通过生成的凸块潜在碰撞检测集，在RECODE算法的基础上，得到一种运行效率更高的碰撞检测算法。实验结果表明，在同等复杂的虚拟环境中，尤其是复杂度较高的虚拟环境中，该算法具有更高的碰撞检测实时性，取得了良好的效果。

社会网络（SNS）用户的社交圈和人脉关系研究多采用图论的知识，对社会网络关系图的节点和边进行探讨，没有考虑到用户自身的兴趣偏好，因此提出了一种基于用户话题偏好的二级人脉推荐方法。利用文本挖掘的相关技术和最小均方误差（LMS）算法，把抓取到的用户话题数据合理地转化为用户话题偏好特征向量，用相似度度量方法来计算用户之间的相似度，以确定与用户话题偏好最相近的用户集，并完成用户的二级好友推荐。实验表明，推荐的二级好友采纳率达到70%。

为解决传统分形图像压缩算法中编码速度慢的问题，提出了一种基于像素分布和等腰直角三角形分割的快速分形图像压缩方法。利用离散质点系质心的唯一性以及质心位置不变的特点，实现了定义域块与值域块的匹配。对原始图像采用等腰直角三角形的划分方式，减少了定义域块的数量和搜索匹配块的运算次数，提高了编码效率。实验结果表明，该方法在保证图像解码质量的前提下，编码速度是传统分形图像压缩编码方法的3倍。

给出了频域抽取(DIF)多维向量基快速傅里叶变换(FFT)算法。对多维频域信号的每一维，采用向量基2频域抽取法，导出了快速算法蝶形运算的一般形式。该FFT算法适合于维数为任意整数的情况，当维数为1时，算法退化为著名的频域抽取向量基2 FFT算法。为了便于编程实现，以频域抽取3维向量基FFT算法为例，给出了快速算法实现流程，该流程易于向任意整数维推广。计算量比较结果显示，频域抽取多维向量基FFT算法比多维分离式FFT算法计算量低。

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。

从混沌分形理论的基本原理出发，提出了分形艺术的定义。从分形集的轨道及分布规律角度阐述了分形图形的构造方法，并利用这些构造方法构造了一系列M-J混沌分形集的图像，展示了分形集合的精细结构艺术，为混沌分形理论和技术在数字媒体方向的应用提供一个全新的视角和应用的基础。

针对多对一的周期性数据收集应用，提出一个低开销的逐跳多径路由协议LOMP，综合利用定期和实时估计器评估链路质量，在此基础上实现高质量的多径路由。与现有的多径路由协议相比，LOMP并不提供端到端的节点独立的多径路由，而只是确保在报文的每一跳转发过程中都有多条路径可用。仿真结果表明LOMP能够提高选路质量，以较小的能量开销提高数据传输的可靠性。