针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。

由于空间数据库通常蕴含海量数据，因此一个普通的空间查询很可能会导致多查询结果问题。为了解决上述问题，提出了一种空间查询结果自动分类方法。在离线阶段，根据空间对象之间的位置相近度和语义相关度来评估空间对象之间的耦合关系，在此基础上利用概率密度评估方法对空间对象进行聚类，每个聚类代表一种类型的用户需求；在在线查询处理阶段，对于一个给定的空间查询，在查询结果集上利用改进的C4.5决策树算法动态生成一棵查询结果分类树，用户可通过检查分类树分支的标签来逐步定位到其感兴趣的空间对象。实验结果表明，提出的空间对象聚类方法能够有效地体现空间对象在语义和位置上的相近性，查询结果分类方法具有较好的分类效果和较低的搜索代价。

针对深层神经网络初始化方法不明确、泛化能力差而导致解决垃圾邮件过滤时效果较差的问题，提出了基于深度置信网络的分类方法。深度置信网络通过逐层无监督的方法来预训练网络，实现了网络的初始化。在LingSpam，SpamAssassin和Enron1三个广泛使用的数据集上，通过与目前最好的垃圾邮件过滤方法支持向量机(SVM)在分类性能上进行比较，实验结果表明深度置信网络的垃圾邮件过滤方法是有效的，获得了较高的准确率和召回率。

为了改善在光照变化和复杂背景影响下的人脸检测效果，在预处理阶段提出一种基于直接最小二乘拟合的三维肤色聚类模型算法。该算法首先将肤色在CbCrCg空间中的三个平面投影分布作为拟合对象，然后使用中值滤波和Sobel算子获取平滑边缘，最后通过直接最小二乘拟合法获取最佳三维肤色模型。在实验中分别将公共人脸库和户外拍摄的人脸图像作为实验对象，实验结果表明，该算法较传统肤色预处理算法具有更好的肤色分割效果，并且能够有效地提高人脸检测率。