随着以慕课（MOOC）为代表的在线教育平台的迅速发展，如何评价平台学习者提交的大规模主观题作业是面临的重大挑战。同伴互评是有效应对大规模主观题作业评价挑战的主流方案，近年来受到学术界与工业界的广泛关注。鉴于此，对面向在线教育的同伴互评技术进行了调研与分析。首先，概述当前实施同伴互评的通用流程；然后，分别阐述评价者分配、评语分析、异常互评信息检测与处理以及主观题作业真实分数估计等重要的同伴互评流程活动的主要研究成果；其次，对比具有代表性的在线教育平台或已发布的教学系统中的同伴互评功能；最后，总结和展望同伴互评的未来发展趋势，为正在从事或打算从事同伴互评研究的人们提供借鉴与参考。

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。

基于无锚框深度学习的目标检测是一种主流的单阶段目标检测算法。融合多层监督信息的沙漏网络结构能够显著提升无锚框目标检测算法的精度，然而其速度却远低于同层次的普通网络的速度，并且不同尺度目标间的特征会互相干扰。针对上述问题，提出了一种非对称沙漏网络结构的目标检测算法。该算法在融合不同网络层的特征时不受形状大小的约束，能够快速高效抽象出网络的语义信息，使模型更容易学习到各种尺度之间的差异。针对不同尺度目标检测问题，设计了一种多尺度输出的沙漏网络结构用来解决不同尺度目标间特征互相干扰的问题，并精细化输出的检测结果。另外，针对多尺度输出使用了一种特殊的非极大值抑制算法以提高检测算法的召回率。实验结果表明，所提算法在COCO数据集上的AP50指标达到61.3%，相较于无锚框网络CenterNet提升了4.2个百分点。所提算法在精度与时间的平衡上超越了原始算法，尤其适用于对工业场景的目标进行实时检测。

为了解决样本数较大时，传统谱聚类算法执行特征分解消耗时间过大的问题，提出了一种无需特征分解的快速谱聚类算法，通过乘法更新迭代来降低时间开销。首先，利用Nyström方法进行随机采样，建立了采样矩阵和原始矩阵之间的关系；其次，基于乘法更新原理实现矩阵指示器矩阵的迭代更新；最后，在理论上对所设计算法进行了正确性和收敛性分析。在广泛使用的五个真实数据集和三个人工合成数据集上进行测试。实验结果表明，在真实数据集上，所提算法的标准互信息（NMI）平均值为0.45，与 k-means聚类算法相比提高了12.50%；运行时间为61.73 s，与传统谱聚类算法相比减少了61.13%；而且表现性能优于层次聚类算法，验证了该算法的有效性。

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。

针对隐写系统面临的主动攻击问题，对隐写方和主动攻击方之间的对抗关系进行建模，提出了以信息嵌入率和错误率两个目标为收益函数的隐写系统博弈模型。借助二人有限零和博弈基本理论，分析了隐写方和主动攻击方博弈均衡的存在性，并给出了均衡局势下对抗双方的策略求解方法。最后通过求解一个实例说明了模型的有效性。建立的模型可为隐写方和主动攻击方的最优策略选择提供理论依据，对抗主动攻击的隐写算法设计也具有一定的指导意义。

为了提高从单通道脑电信号中注意水平的识别精度，在近似熵基础上提出改进的模糊熵计算方法，用于计算脑电注意力水平值。以12例受试者脑电监测数据作为样本,提取脑电数据模糊熵特征值，采用支持向量机进行识别，并与其他方法进行比较，基于模糊熵的特征提取方法平均准确率达76.3%。实验结果表明，该模糊熵方法能有效地表征脑电注意力集中程度的复杂度。

为了提高协作通信系统的频谱效率和中断性能,给出了解码转发协议下的两路中继协作通信系统的模型。在该模型下,提出了两种数据传输模式,并分析了该两种数据传输模式的中断概率性能,推导了中断概率闭式结果及分集增益和复用增益之间的关系。仿真结果显示,与传统的两中继解码转发协议相比,两种传输模式的中断概率性能都有较大的提高。

社会情感优化算法是一种模拟人类社会行为的新型群智能优化算法，算法中考虑了个体决策能力以及个体的情感对寻优结果的影响，因此算法的多样性比常见的群智能算法改善了很多，但是局部搜索能力还有待提高。二次插值法是一种局部搜索能力较强的搜索方法，把二次插值法引入社会情感优化算法，搜索效果会改善。通过使用测试函数对算法的优化性能进行测试，证明把二次插值法引入社会情感优化算法，可以使得社会情感优化算法的局部搜索能力增强，从而增强了社会情感优化算法的全局搜索能力。

针对河流遥感图像形状类型人工图像解译效率低,提出了河流图像自动识别分类方法。利用敏感因子组合条件,采用多波段组合法和区域生长分裂合并等方法提取河流并应用数学形态学方法进行处理;对得到河流图像确定类型分类特征,并给出了特征向量计算方法;河流类型特征向量散布程度大、类内聚集性较差,在支持向量机的基础上引入模糊隶属度函数,通过模糊隶属度反映样本的贡献属性,减弱噪声或野值样本对分类的影响。实验结果显示,采用模糊支持向量机有效地提高了识别准确度。