针对单幅图像生成高动态范围（HDR）图像进行直方图扩展时，造成的色彩失真、局部细节信息丢失的问题，提出了一种基于亮度分区融合的高动态范围图像成像算法。首先，提取正常曝光彩色图像的亮度分量，根据亮度阈值将亮度分成两个区间；然后，对两个区间的图像用改进的指数函数扩展其亮度范围，使得低亮度区域的亮度增加、范围扩大，高亮度区域的亮度减小、范围扩大，从而增大图像的整体对比度，保留色彩和细节信息；最后，将扩展后的图像和原始正常曝光的图像基于模糊逻辑的方法融合为高动态图像。分别从主观和客观两方面对所提算法进行了分析。实验结果表明，所提算法能够有效地扩展图像的亮度范围，并保持场景的颜色信息和细节信息，生成的图像视觉效果更佳。

针对基于深度学习的图像标注模型输出层神经元数目与标注词汇量成正比，导致模型结构因词汇量的变化而改变的问题，提出了结合生成式对抗网络（GAN）和Word2vec的新标注模型。首先，通过Word2vec将标注词汇映射为固定的多维词向量；其次，利用GAN构建神经网络模型——GAN-W模型，使输出层神经元数目与多维词向量维数相等，与词汇量不再相关；最后，通过对模型多次输出结果的排序来确定最终标注。GAN-W模型分别在Corel 5K和IAPRTC-12图像标注数据集上进行实验，在Corel 5K数据集上，GAN-W模型准确率、召回率和F1值比卷积神经网络回归（CNN-R）方法分别提高5、14和9个百分点；在IAPRTC-12数据集上，GAN-W模型准确率、召回率和F1值比两场K最邻近（2PKNN）模型分别提高2、6和3个百分点。实验结果表明，GAN-W模型可以解决输出神经元数目随词汇量改变的问题，同时每幅图像标注的标签数目自适应，使得该模型标注结果更加符合实际标注情形。

时尚销售预测对零售领域十分重要，准确的销售情况预测有助于大幅度提高最终时尚销售利润。针对目前时尚销售预测数据量有限并且数据波动大导致难以进行准确预测的问题，提出了一种结合人工神经网络（ANN）算法和离散灰色预测模型（DGM（1，1））算法的混合智能预测算法。该算法通过关联度分析得到关联度大的影响变量，在利用DGM（1，1）+ANN预测之后，引入二次残差的思想，将实际销售数据与DGM（1，1）+ANN预测结果的残差加入影响变量利用ANN进行第二次残差预测。最后通过真实的时尚销售数据验证算法预测的可行性及准确性。实验结果表明，该算法在时尚销售数据的预测中，预测平均绝对百分误差（MAPE）在25%左右，预测性能优于自回归积分滑动平均模型（ARIMA）、扩展极限学习机（EELM）、DGM（1，1）、DGM（1，1）+ANN算法，相较于以上几种算法平均预测精度大约提高8个百分点。所提混合智能算法可用于时尚销售即时预测，且能够大幅度提高销售的效益。

针对工业仿真数学模型参数估计实践中的难点,提出了通过数据挖掘来修正模型参数的新方法。从实际生产的大量数据中挖掘样本,通过数学方法计算模型参数,针对包含噪声的工业生产数据主要采用改进了最小二乘方法来修正参数;根据工业生产数据不完全及常见分布特点,采用分段组合修正参数的方法;通过实际生产的动态过程的历史数据挖掘来估计动态特性的相关参数,模型参数修正与数据挖掘过程交互引导,来缩小海量工业数据中的挖掘范围及提高参数修正所需样本数据的充分性,并建立两者之间互相协调的网络模型。实际案例验证了方法在工程项目中的有效性和实用性,表明这种方法能大幅提高仿真精度

针对云计算环境下资源的高效调度问题，当前研究较少关注云服务提供商的服务成本，为此，以云服务提供商降低最小服务成本为目的，提出了改进量子遗传算法的云资源调度算法。由于采用二进制量子位表示的染色体无法描述资源调度矩阵，该算法将量子位的二进制编码转换为实数编码，并使用旋转策略和变异算子保证算法的收敛性。通过仿真实验平台将此算法与遗传算法和粒子群算法进行比较分析，在种群迭代次数为100的情况下，分别取种群数为1和10，实验结果表明该算法能取得更小的最小服务成本。

负载均衡是提高资源利用率和系统稳定性的重要手段。基于改进的自适应变异粒子群算法，提出了一种异构环境下面向集群负载均衡的任务调度策略。在调度策略的设计中，融入了经济学“二八”定律，通过把握用户对集群节点安全性和可靠性的偏好程度并预估任务的负载信息，在保证系统负载尽量均衡的前提下，最小化任务执行时间的同时提高大客户满意度。仿真实验显示，改进的自适应变异粒子群算法比未改进的自适应变异粒子群算法和基本粒子群算法在收敛速度和跳出局部最优两个方面都有更好的表现。结果表明，改进的自适应变异粒子群算法在保证集群负载均衡的同时可以更好地提高云服务提供商的利润空间。

针对云制造系统中制造云服务组合的多目标规划问题,研究建立了问题模型并提出了求解方法。首先引入了网格制造模式的制造资源服务组合技术,探讨并描述了云制造模式中基于服务质量（QoS）的制造云服务组合过程；接着通过分析云制造模式下制造云服务的特征并基于制造领域知识,研究定义了制造云服务的八维QoS评估标准及计算表达式,推导出制造组合云服务的QoS表达,进而建立了制造云服务组合的多目标规划问题模型。最终设计了自适应粒子群算法来解决该多目标规划问题。仿真实验表明,该算法能有效并高效地解决该问题,且求解效率优于传统粒子群算法。

针对传统隐马尔可夫模型(HMM)在对手写维吾尔文字符建模时，字符宽度变化大，模型训练收敛缓慢，且易陷入局部极值的问题，提出一种基于保局投影(LPP)与HMM相结合的维吾尔字符识别方法。首先，通过高度归一化保持原图像的宽高比，用滑动窗获取子图像序列，形成观测向量序列；其次，采用局部保持投影将观测序列映射到低维空间，并用随机抽样方法降低邻接图矩阵的规模；最后，采用新观测序列训练HMM。该算法在降维的同时提高了HMM的收敛速度，降低了陷入局部极值的风险。实验结果显示，算法的平均收敛步数减少，错误率降低，表明算法是有效的。

为提高JSF组件的客户端交互能力，在分析JSF定制生命周期实现机制的基础上，提出了一个用于开发Ajax组件的支持框架。该框架通过设计AjaxEvent类和定制相关的生命周期对象，使Ajax请求的处理过程能像普通的Faces请求那样封装在JSF组件内部。实际应用表明，该框架能充分利用JSF和Ajax各自的优点，高效快捷地开发具有良好交互能力的Web用户界面。

结合某无人潜航器(UUV)内部网络控制系统结构，对基于控制器局域网（CAN）的网络延时做了详细分析。针对网络时延造成控制系统性能下降，影响系统稳定这一问题，提出了一种统计网络时延的方法——软件信息传输仿真法。通过仿真网络内部信息的传输过程，观察各信息的传输状况，同时记录延时数据，为基于CAN总线系统的综合性能设计提供了理论依据。

介绍了数据集成系统的概念和目标，重点介绍了在实现数据集成系统过程中所遇到的关键问题：建立语义联系，查询重写，查询优化和执行，并对这些关键问题的当前研究进展作了较为全面的描述，同时表达了对这些问题解决途径的思考。

基于单容错编码的数据布局已经不能满足存储系统对可靠性越来越高的要求。对基于多容错编码的数据布局的研究受到了广泛的关注，并且出现了一些三容错的布局算法，如HDD1，HDD2等。但这些布局算法普遍存在冗余度较差、计算负载大等缺点。提出了一种基于三重奇偶校验的多容错数据布局算法TP-RAID(Triple Parity RAID)。该算法只需要在RAID5阵列系统中增加两个校验磁盘，通过水平、正向对角和反向对角三重奇偶校验，可容许同时发生的三个磁盘故障。该算法编码、解码简单，三重校验条纹长度相等，计算负载小，易于实现。此外，由于该算法中尽量减少了三重校验之间逻辑关联，使得该算法的小写性能比其他的三容错算法相比有了大幅度的提高。

数据资源在网格应用中起着重要作用， web service对于网络资源集的描述、调用和协作提供了设备中立、平台无关的实现。〖BP）〗在开放网格服务体系下的数据访问与集成（OGSADAI）项目和网络服务下的集成资源框架（WSRF）规范的背景下，介绍了网络服务下的数据访问与集成（WSDAI）提出的一组Web Service数据访问与集成的通用数据接口规范，能扩展支持各种类型的数据资源。分析了WSDAI的规范架构，详细研究了核心抽象模型并给出应用实例。最后讨论了此规范与WSRF之间的映射。

研究了无人机飞行控制器通讯软件的实时性问题。运用中断服务程序就地帧识别、有限状态机、缓存共用和代码优化技术,设计了具有多通讯协议的强实时性串行通讯接收程序。经过实际运行测试,程序解码率高、可靠性好、实时性强、运行时间合理,满足了无人机飞行控制对串行通讯程序的性能要求。