随着电子商务的飞速发展以及互联网的普及，退换货更加便捷，因此客户对商品的需求呈现出时效性、多品种、小批量、退换货等特点。针对有容量的同时送取货选址路径问题（LRPSPD），同时考虑客户多样性需求的特点，建立了带时间窗的同时送取货选址路径问题（LRPSPDTW）的数学模型。使用改进烟花算法（IFWA）对模型进行求解，对烟花爆炸和变异进行相应的邻域操作，并用一些基准LRPSPD算例来评估烟花算法的性能。通过大量的数值实验验证了所提模型和算法的正确性和有效性。实验结果表明，相较于分支切割算法（B&C），IFWA得到的结果与标准解的平均误差缩小了0.33个百分点。所提算法缩短了寻求最优解的时间，为解决选址路径相关问题提供了一种新的解决思路。

针对基于深度学习的遥感图像目标检测方法密集目标漏检率高、分类不准确的问题，建立了一种基于深度学习的无锚点的遥感图像任意角度的密集目标检测方法。首先采用CenterNet作为基线模型，经过主干网络提取特征，并改造原有检测器结构，即加入角度回归分支进行目标角度回归；然后提出一种基于非对称卷积的特征增强模块，并将主干网络提取到的特征图输入特征增强模块，从而增强目标的旋转不变性特征，消除由于目标的旋转、翻转带来的影响，进一步提升目标中心点、尺寸信息的回归精度。采用HourGlass-101作为主干网络时，该方法在DOTA数据集上的平均精度均值（mAP）比旋转区域候选网络（RRPN）提升了7.80个百分点，每秒处理帧数（FPS）提升了7.5；在自建数据集Ship3上，该方法的mAP比RRPN提升了8.68个百分点，FPS提升了6.5。结果表明，所提方法能获得检测精度和速度的平衡。

针对盲人出行时的安全和监护问题，提出了一种基于机器学习算法的盲人物联网手杖系统的设计，该系统具有避障、定位、报警和通信等多种功能。首先，该系统具有红外线避障和超声波测距避障的基本功能，可以用于盲人日常出行对路况障碍物的检测，并且实时利用语音和电机震动给予提醒；其次，该系统还具有远程通信求助功能，可以向指定号码发送求助短信及电话；同时，系统还加入了全球定位系统（GPS）、加速度计陀螺仪姿态角度解算功能和以K近邻（KNN）和动态时间规整（DTW）算法为基础的异常姿态报警功能，它能将各类信息数据传输至云端服务器存储；最后，采用微信小程序代替原生APP作为监护操作界面，并提供一键报警、天气查询、盲人安全资讯等功能。测试实验结果表明，所提系统的姿态识别成功率达到了86%，正确率比姿态角系统提高将近31%。该盲人物联网手杖系统可以极大地提高盲人出行的安全性，使盲人能够在发生意外时及时求助，实现了对盲人姿态的安全监护和定位监护。

针对尺度和视角变化导致的监控视频和图像中的人数估计性能差的问题，提出了一种基于多尺度多列卷积神经网络（MsMCNN）的密集人群计数模型。在使用MsMCNN进行特征提取之前，使用高斯滤波器对数据集进行处理得到图像的真实密度图，并且对数据集进行数据增强。MsMCNN以多列卷积神经网络的结构为主干，首先从具有多尺度的多个列中提取特征图；然后，用MsMCNN在同一列上连接具有相同分辨率的特征图，以生成图像的估计密度图；最后，对估计密度图进行积分来完成人群计数的任务。为了验证所提模型的有效性，在Shanghaitech数据集和UCF_CC_50数据集上进行了实验，与经典模型Crowdnet、多列卷积神经网络（MCNN）、级联多任务学习（CMTL）方法、尺度自适应卷积神经网络（SaCNN）相比，所提模型在Shanghaitech数据集Part_A和UCF_CC_50数据集上平均绝对误差（MAE）分别至少减小了10.6和24.5，均方误差（MSE）分别至少减小了1.8和29.3；在Shanghaitech数据集Part_B上也取得了较好的结果。MsMCNN更注重特征提取过程中的浅层特征的结合以及多尺度特征的结合，可以有效减少尺度和视角变化带来的精确度偏低的影响，提升人群计数的性能。

针对大数据环境下完整性查询时间代价消耗过高的问题,提出了一种采用近似完整性查询方法的系统——Probery。Probery所采用的近似完整性查询方法不同于传统的近似查询,其近似性主要体现为数据查全的可能性,是一种新型的数据查询方法。Probery首先将存入系统的数据划分为多个数据分段;然后,根据概率放置模型将各个数据分段的数据存储在分布式文件系统中;最后,对于给定的查询条件,Probery采用一种启发式查询方法进行概率查询。通过与其他主流的非关系型数据管理系统的查询性能进行比较,对Probery进行验证,Probery在损失8%查询完整性的情形下,查询时间较HBase相比节约了51%,较Cassandra相比节约了23%,较MongoDB相比节约了12%,较Hive相比节约了3%。实验结果表明,Probery可以适当地损失查询完整性来提高数据的查询性能,具有较好的通用性、适应性和可扩展性。

为高效地判别人类基因启动子,提出了一种基于单核苷酸统计和支持向量机集成的人类基因启动子识别算法。首先通过基因单核苷酸统计,从而将一个基因数据集分为C偏好和G偏好两个子集;然后分别对这两个子集提取DNA刚性特征、词频统计特征和CpG岛特征;最后采用多个支持向量机(SVM)集成的方式来学习这三种特征,并讨论了三种集成方式,包括单层SVM集成、双层SVM集成和级联SVM集成。实验结果表明所提算法能够提高人类基因启动子识别的敏感性和特异性,其中双层SVM集成的敏感性达到79.51%,且级联SVM集成的特异性高达84.58%。

为处理癌症多分类问题,已经提出了多类支持向量机递归特征消除(MSVM-RFE)方法,但该方法考虑的是所有子分类器的权重融合,忽略了各子分类器自身挑选特征的能力。为提高多分类问题的识别率,提出了一种改进的多类支持向量机递归特征消除(MMSVM-RFE)方法。所提方法利用一对多策略把多类问题化解为多个两类问题,每个两类问题均采用支持向量机递归特征消除来逐渐剔除掉冗余特征,得到一个特征子集;然后将得到的多个特征子集合并得到最终的特征子集;最后用SVM分类器对获得的特征子集进行建模。在3个基因数据集上的实验结果表明,改进的算法整体识别率提高了大约2%,单个类别的精度有大幅度提升甚至100%。与随机森林、 k近邻分类器以及主成分分析(PCA)降维方法的比较均验证了所提算法的优势。

针对遗传算法(GA)与支持向量机(SVM)集成相结合的疾病诊断方法存在属性冗余的问题,提出了一种改进的约简和诊断乳腺癌决策方法。该方法将最小化约简属性个数、最大化区分矩阵可区别属性的个数以及最大化约简属性对决策属性的依赖度这三种目标函数相结合作为GA的适应度函数。在约简属性后取多个子集,以便利用SVM集成学习。在UCI数据库中乳腺癌数据集的实验表明,与原始的SVM算法相比,该方法在分类诊断的准确度以及敏感性方面有一定的提高,其中分类准确度至少提高了2%。

反求工程（RE）中组合特征提取有利于提高建模精度及捕捉原始设计意图，但目前对于组合特征的研究还不够深入。为了从点云数据中直接提取凸块类组合特征，提出了一种反求工程中基于属性邻接图的凸块特征提取方法。首先使用基于属性邻接图的方法识别出凸块特征；接着提取凸块特征基本参数并判断识别出凸块特征的类型。实例结果表明，该方法能直接、高效地从点云数据中提取出不同类型凸块特征。

当轮廓线比较复杂，常用的三维表面重建方法就不是很有效，有时还会出错。为此，提出一种新的基于相邻层轮廓线几何形状匹配的三维重建算法：首先提取轮廓线的关键转折点，再根据相邻层的几何形状来匹配关键点，然后连接上下匹配关键点将轮廓线分成几个独立的部分，再分别拼接各个独立部分，从而完成整个重建的轮廓拼接。实验证明，该方法对凹凸多变、复杂的封闭轮廓线有较好的效果。

JXTA技术是SUN公司开发的P2P系统的应用平台。P2P技术作为网络计算的一种新技术,已经广泛地应用到了各个领域。研究了JXTA技术及其特点,讨论了基于JXTA技术的P2P系统的性能保证问题,并通过研究和实验建立了初步的性能保证机制模型。