针对目前局部阈值二值化结果存在目标虚假或断裂的缺陷，提出了一种基于图像分块的局部阈值二值化方法。首先，将图像分成若干子块并分析每个子块像素灰度变化情况；接着，取一定大小的局部窗口在图像中移动，比较该局部窗口内与包含窗口自身且比窗口更大区域内的像素灰度变化情况，更大区域由窗口模板当前覆盖的所有子块组成，以此判断窗口内是否为灰度变化平坦（或剧烈）区域；最后，根据不同的区域，给出具体的二值化方案。利用7种不同算法对4种不同类型的4组图像进行了二值化实验。实验结果表明该算法在屏蔽背景噪声和保留目标细节方面表现最优，特别地通过对车牌图像的二值化结果进行定量分析后发现该算法能够得到最高召回率和准确率。

针对大量电动汽车无序充电造成的充电站利用率不均衡问题，提出一种大规模电动汽车有序充电调度策略。首先，以电动汽车充电需求的位置为聚类指标，借助归一化相似度进行层次聚类和基于 K-means算法的二次划分，以实现属性相似的电动汽车的汇聚。进一步地，通过Dijkstra算法获取电动汽车到达各个充电站的最优路径，以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数，构建了基于电动汽车聚类的充电调度模型，通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明，在车辆较多时所提方法的计算时间可减少一半以上，具有较高的实用性。

针对经典人工蜂群（ABC）算法搜索策略存在搜索机制单一、群体全局搜索与局部搜索运算耦合性较高的问题，提出一种基于混合搜索的多种群人工蜂群（MPABC） 算法。首先，将种群按照适应度值进行排序，得到一个有序队列，进而将其划分为随机子群、核心子群和平衡子群三类有序子群；其次，针对不同子群结合相应的个体选择机制与搜索策略，构建出不同的差异向量；最后，在群体的搜索过程中，通过三类子群实现对具有不同适应度函数值个体的有效控制，来增强群体全局搜索和局部搜索的平衡能力。通过对16个标准测试函数进行仿真实验并与具有可变搜索策略的人工蜂群（ABCVSS）算法、基于选择概率的改进人工蜂群（MABC）算法、基于粒子群策略的多精英人工蜂群（PS-MEABC）算法、基于符号函数的多搜索策略人工蜂群（MSSABC）算法和优化高维复杂函数的改进人工蜂群（IABC）算法共五种典型的蜂群算法进行了对比，实验结果显示MPABC具有较好的优化效果；与ABC算法相比，MPABC在求解高维（100维）复杂问题上的收敛速度提高了约23%，且求解精度更优。

针对图像中普遍存在的脉冲噪声，提出了一种自适应中值滤波算法，该算法在有效去除噪声的前提下能够保留更多的图像细节。首先，根据脉冲噪声灰度值为0或1的特点初步区分图像中的噪声点和信号点；其次，在每一个可疑噪声点周围取一定大小的邻域，通过判断该可疑噪声点与邻域内其他像素点之间相关性的大小进一步判断该点是否为真正噪声点，若为真正噪声点则利用邻域内所有可靠像素点的中值代替，否则输出原信号点。利用可见光及红外图像将所提算法与几种算法（如传统中值滤波算法、极值中值滤波算法，等）进行比较，实验结果表明该方法能够获得最高的峰值信噪比，去噪效果最佳。

虽然正态云模型具有普适性，但它在描述论域内单调上升或下降的概念时存在一些局限性，同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题，为此提出一种新的指数云模型来描述单调概念，并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器，先通过层次分析法确定各个条件的属性权重，再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中，并与模糊推理结果进行比较，验证了该算法的有效性和实用性。

基于熵的分布式拒绝服务攻击(DDoS)攻击的检测方法相比其他基于流量或特征的检测方法，具有计算简便、灵敏度高、误报率低、不增加额外网络流量、不增加额外硬件成本等特点。为了进一步提高了DDoS攻击检测的准确率，并降低误报率，提出一种改进的基于熵的DDoS攻击检测方法。该方法将DDoS攻击细分为不同的威胁等级，对每个威胁等级的攻击进行不同次数的检测。NS-2模拟实验结果验证了其有效性。

Canny边缘检测算法由于使用高斯滤波对图像进行平滑，往往使得算法的信噪比和定位精度下降，从而产生一些虚假边缘，使角点变圆。针对Canny算法所出现的问题提出了一种改进方法，运用各向异性扩散方程代替高斯滤波，并对扩散后的图像做图像增强。实验结果表明，该算法有效地提高了边缘检测的准确性，得到了比较理想的边缘检测效果。

从石油录井色谱数据应用的实际需求出发，提出一种新的时间序列分段拟合算法。该算法通过一次扫描数据，根据中线距离阈值和非单调序列中极值点保持时间段阈值两个约束条件，选择反映序列趋势变化的关键点，然后线性拟合时间序列。实验结果表明该算法能够在保持原始序列主要形态的同时剔除噪音干扰，精确定位单调序列中的突变转折点，发现序列中的尖峰状态。