针对传统脉冲耦合神经网络（PCNN）无法准确提取多聚焦图像聚焦区域的问题，提出一种利用相位一致性（PC）来检测图像清晰区域，并结合PCNN的多聚焦图像融合算法。首先，利用非下采样轮廓波变换（NSCT）对源图像进行多尺度分解，分别得到图像的高频子带和低频子带；其次，通过计算高频系数的空间频率值（SF）与低频系数的相位一致性值来提取图像高低频子带中的聚焦区域；然后，将SF与PC作为PCNN外部激励来刺激PCNN神经元点火，分别对图像高低频系数进行融合；最后，利用逆NSCT得到最终融合图像。实验采取多聚焦图像Clock、Pepsi和Lab作为三组实验数据集，与传统融合算法及新近提出的几种算法进行对比，所提算法的客观评价参数：互信息、边缘信息度、信息熵、标准差和平均梯度的数值均大于或十分接近于对比算法的最大值；同时从实验结果图与源图像的差值图中可以发现所提算法的差值图包含源图像清晰区域的痕迹明显更少。实验结果表明所提算法能更加准确地提取出图像的清晰区域，更好地保留图像的边缘与纹理等细节信息，得到更好的融合效果。

针对目前煤矿灾变环境下救援机器人探索效率低的问题，提出了一种使用无人机多机协同探索煤矿灾变环境的改进型边界探索算法。该算法在效用值边界探索算法的基础上增加了对无人机导航角度因素的考虑，同时引入分散度函数作为评判机制来构建目标函数，并使用蚁群算法对该目标函数进行求解。最后利用Matlab软件在栅格化地图上进行了仿真实验。实验结果表明，和效用值边界探索算法相比，改进型边界探索算法减少了探测过程中的重复覆盖和拥挤现象，缩短了探测时间，降低了约30%的能量消耗，提高了无人机多机系统的整体探索效率。

针对Chameleon算法中采用距离函数度量数据点间的相似度,导致距离相近的两个点可能仅拥有很少的共同特征,最小二分实际操作困难,合并时需要人工指定阈值以及一旦合并完成后不能撤销的问题,对Chameleon算法进行改进,提出一种引入共享近邻加权图（WSnnG）的Chameleon算法。该算法以数据对象间的共享近邻数来衡量相似度,进一步构造WSnnG,再利用网络模块性评价函数指导最小二分,然后以结构等价相似度作为合并的依据,最后通过引入内聚度度量函数解决合并后不能撤销的问题。在UCI数据集及4个二维人造数据集上的实验结果表明,该算法在聚类精度和运行时间方面具有更好的效果。

为了解决案例推理过程中应急案例理解上的语义冲突问题,通过分析突发事件应急案例,在扩展ABC本体模型的基础上,定义了基于CBR的应急案例本体模型,并详细描述了模型中的概念、关系、公理和实例等要素。最后以福岛第一核电站核危机为例对该模型进行了验证。

为解决多维时间序列的分类并获取易于理解的分类规则,引入了时序熵的概念及构造时序熵的方法,基于属性选择和属性值划分两方面扩展了决策树模型。并给出了两种构造多维时间序列分类的决策树模型算法。最后,采用移动客户流失的真实数据,对过程决策树进行测试,展示了方法的可行性。