隐私集合交集（PSI）是解决隐私信息共享的重要办法。针对现有的协议中参与方不能同时获取计算结果而导致的不公平性问题，提出一种基于云服务器的公平多方PSI协议。首先，利用哈希映射完成隐私信息的子份额在混淆布隆过滤器（GBF）中的存储；其次，为避免交互过程中各参与方集合元素索引值的泄露，协议结合不经意传输（OT）技术完成存储信息的份额置换；最后，通过云服务器进行逐位计算，并将结果同时返回各参与方，保证各参与方获取结果的公平性。协议的正确性和安全性分析表明，所提协议能够实现参与方获得交集结果的公平性，而且协议能够抵抗参与方与云服务器进行的合谋。性能分析表明，所提协议的计算复杂度和通信复杂度与参与方集合包含的元素总数无关；与多方隐私集合交集协议（MPSI）、实用多方恶意安全私有集合交集PSImple和隐私集合交集求和协议（PI-Sum）相比，在同等条件下，所提协议的存储开销、通信开销和运行时间更少。

图像描述任务是图像理解的一个重要分支，它不仅要求能够正确识别图像的内容，还要求能够生成在语法和语义上正确的句子。传统的基于编码器-解码器的模型不能充分利用图像特征并且解码方式单一。针对这些问题，提出一种基于注意力机制的多层次编码和解码的图像描述模型。首先使用Faster R-CNN（Faster Region-based Convolutional Neural Network）提取图像特征，然后采用Transformer提取图像的3种高层次特征，并利用金字塔型的融合方式对特征进行有效融合，最后构建3个长短期记忆（LSTM）网络对不同层次特征进行层次化解码。在解码部分，利用软注意力机制使得模型能够关注当前步骤所需要的重要信息。在MSCOCO大型数据集上进行实验，利用多种指标（BLEU、METEOR、ROUGE-L、CIDEr）对模型进行评价，该模型在指标BLEU-4、METEOR和CIDEr上相较于Recall（Recall what you see）模型分别提升了2.5个百分点、2.6个百分点和8.8个百分点；相较于HAF（Hierarchical Attention-based Fusion）模型分别提升了1.2个百分点、0.5个百分点和3.5个百分点。此外，通过可视化生成的描述语句可以看出，所提出模型所生成的描述语句能够准确反映图像内容。

快速、可靠的手部姿态估计在人机交互等领域有着广泛的应用。为了解决光照强度变化、自身遮挡以及姿态变化幅度较大等情况对手部姿态估计的影响，提出了一种基于标签分布学习的深度网络结构。该网络将手部点云作为输入数据，首先通过最远点采样和定向边界框（OBB）对点云数据进行归一化处理，然后采用PointNet++提取手部点云数据特征。为了应对点云数据与手部关节点之间的高度非线性关系，通过标签分布学习网络预测手部关节点的位置信息。与传统的基于深度图的方法相比，该方法能够高效地提取高鉴别力的手部几何特征，并且计算复杂度较低、精确度较高。为了验证提出的手部姿态估计网络的有效性，在公共数据集MSRA上进行了一系列测试。实验结果表明，该网络估计出的手部关节点位置的平均误差为8.43 mm，平均每帧的处理时间为12.8 ms，而且姿态估计的误差相较于3D CNN算法降低了11.82%，相较于Hand PointNet算法降低了0.83%。

针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题，提出一种优化支持向量机和 K-means++算法结合的入侵检测模型。首先利用主成分分析法（PCA）对原始数据集进行预处理，消除其相关性；其次在粒子群优化（PSO）算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解；然后利用自适应变异粒子群优化（AMPSO）算法优化支持向量机的核函数和惩罚参数；最后利用密度中心法改进 K-means算法与优化后的支持向量机组合成入侵检测模型，从而实现工业控制系统的异常检测。实验结果表明，所提方法在检测速度和对各类攻击的检测率上得到明显提升。

针对目前线上汽车租赁平台使用固定价格的方式来租赁车辆给用户，存在着租赁车辆分配不合理、定价不能及时反映真实的市场供需情况、整体社会福利较低等问题，提出一种基于竞价的租赁车辆分配与定价机制。首先，研究了线上汽车租赁问题模型，抽象出数学模型与社会福利最大目标函数；然后，在租赁车辆分配算法中采用基于最小费用最大流算法的最优化车辆资源分配算法；最后，在价格支付算法中采用了可信的VCG价格算法，计算出用户最终的支付价格。对比传统的先来先服务算法，基于竞价的租赁车辆分配与定价机制在订单成功率方面提升了20%~30%，在平台收益方面增加了30%左右。实验结果表明，所提出的机制具有车辆分配最优化、弹性价格的优势。

为解决传统方案中单节点带来的性能瓶颈和低可靠性问题,基于对等监控网络设计并实现了云监控系统解决方案。在硬件部署上,该解决方案将监控节点封装在应用容器中,分布式部署在不同机架上,组建对等的监控网络;监控节点间采用非关系型数据库构建分布式存储集群,实现了监控数据的异地访问和备份。在软件实现上,该解决方案进行了分层设计,采用推拉结合的方式收集数据,对采集的数据进行可信度评估和分布式存储,使用阈值控制和主机空闲评估相结合的策略对云中主机进行智能化管控。通过系统测试,发现该监控系统对计算资源的平均占用率仅有2.17%;而1 ms内响应读写请求的平均比率达到93%以上,表明该解决方案具有资源消耗率低、高频次读写效率高的性能优势。

针对有雾图像对比度差、能见度低的情况，结合HSI颜色空间特点，提出一种单幅图像去雾算法。首先，将有雾图像从RGB颜色空间转换到HSI颜色空间；然后，依据HSI颜色空间中色度、饱和度和亮度各分量受雾影响程度的差异，建立相应的去雾模型；最后，通过分析图像饱和度，得到饱和度模型中权重的取值范围，再对亮度模型中权重进行估计，从而实现去雾效果。与其他几种算法的实验结果比较表明，所提算法运算效率提高1倍左右。同时该算法能有效增强图像清晰度，能很好地运用于单幅图像去雾。

三维空间的无线传感器网络节点定位算法研究是当前的研究热点之一。通过对现有三维定位算法的不足进行分析，将无需测距的DV-Hop算法拓展到三维空间，并在通信量、定位精度方面进行了相关改进，提出了一种基于移动代理的三维DV-Hop定位算法。仿真结果表明，所提算法能对三维环境中的传感器节点进行有效的定位，信标节点的密度和通信半径对定位误差和覆盖率的影响较小，且定位精度和覆盖率相对于其他算法有明显提高。

通过分析免测距的DV-Hop算法在定位精度及覆盖率方面的不足，提出一种改进的DV-Hop定位算法。规定只有在限定跳数内的信标节点信息才能被未知节点接收，并只有通过共线性检查证明信标节点的有效性，且有效信标节点数大于等于3时才能参与定位，分别用最小均方误差准则、归一化加权和总体最小二乘法(TLS)进行定位，然后升级已定位出的未知节点为信标节点，与最初的信标节点共同来定位其他未知节点。仿真结果表明相对于传统算法及现有的一种改进算法，本改进算法的定位精度和覆盖率有明显提高。

鉴于人眼对彩色的分辨率远远高于灰度差分辨率的特点，提出了一种利用C#程序实现伪彩色显示的新方法，该方法通过非线性映射变换函数，建立频谱幅度与颜色的对应关系，从而实现伪彩色显示，并将其用于语谱图显示及语音信号处理界面设计中；此外，还将语音播放功能加入语谱图显示过程中，实现了“可视”语言的播放。该方法编程简单，界面设计灵活，对设备的要求较低，在普通PC机上即可实现。

信任的量化表达与信任关系发现是基于信任访问控制中的难点问题。首先介绍了一种基于模糊数学的信任评估模型。通过定义时间衰退函数,该模型表达了时间对信任的影响。时间因素的引入使得该信任评估模型更具实用价值。同时,还提出了一种信任关系的分布式信任追溯算法,有效避免了访问控制中效率瓶颈的产生。

针对包含复杂语义信息的视频检索的需要，提出了一种基于关系代数的多模态信息融合视频检索模型，该模型充分利用视频包含的文本、图像、高层语义概念等多模态特征，构造了对应于多个视频特征的查询模块，并创新地使用关系代数表达式对查询得到的多模态信息进行融合。实验表明，该模型能够充分发挥多模型视频检索及基于关系代数表达式的融合策略在复杂语义视频检索中的优势，得到较好的查询结果。

根据学习系统中存在的动态模糊性，提出了动态模糊机器学习模型，给出了动态模糊机器学习算法和它的几何模型描述，并进行了算法的稳定性分析，最后给出了实例验证。实例结果与BP算法产生结果相比较，优于BP算法的结果。

引入了一种基于Petri网和C_net的形式化工作流模型——同步网模型，克服了以往用普通petri网建模的不足之处，使模型变得直观、简单、并有利于模型分析和仿真实现。结合印刷企业的业务流程，讨论了该模型的具体应用，并对该模型的正确性进行了验证。

针对混沌系统辨识引入广义T-S模糊模型，使系统中隶属函数具有自适应性；并对T-S模糊模型前件模糊规则数、各加权值、隶属函数自适应参数进行遗传退火算法优化，使系统具有最佳结构和参数。以一维的Logistic 系统和二维的Henon系统为例进行仿真分析，结果表明辨识模型能够拟合原混沌系统，收敛速度及精度良好。