针对目前面部美化已被广泛研究，然而缺乏有效美化图像质量评价方法限制美化技术进一步发展的问题，提出一种面部美化图像质量的无参考评价方法。该方法结合面部美感的认知与感知和面部美化技术以挖掘美化图像的质量表示，首先构建面部美化图像数据库，将面部图像分解为皮肤、眼睛和嘴巴三种区域，然后从肤色、光滑度、光照、灰度差和清晰度等五个方面提取面部美学特征，最后用支持向量回归（SVR）训练面部美化质量模型并预测美化图像的质量。实验结果表明，所提方法在构建的数据库上Pearson线性相关系数和Spearman等级相关系数分别达到0.920 5和0.900 9，优于BIQI（Blind Image Quality Indices）、NIQE（Natural Image Quality Evaluation）图像质量评价方法。

对软件实施安全度量是开发安全的软件产品和实施软件安全改进的关键基础。基于Manadhata等(MANADHATA P K, TAN K M C, MAXION R A, et al. An approach to measuring a system's attack surface, CMU-CS-07-146. Pittsburgh: Carnegie Mellon University, 2007; MANADHATA P K, WING J M. An attack surface metric. IEEE Transactions on Software Engineering, 2011, 37(3): 371-386)提出的攻击面方法，结合信息熵理论，提出结合信息熵和攻击面的软件安全度量方法，可以有效地利用信息熵的计算方法对软件攻击面的各项资源进行威胁评估，从而提供具有针对性的威胁指标量化权值。在此基础之上，通过计算软件攻击面各项资源的指标值可以实现软件的安全度量。最后，通过具体的实例分析说明结合信息熵和攻击面的方法可以有效地应用于软件的安全开发过程和软件安全改进过程，为软件的安全设计开发指明可能存在的安全威胁，帮助提早避免软件产品中可能存在的漏洞；而对于已经开发完成待实施安全改进的软件则可以指出明确的改进方向。

为了解决入侵检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于核主成分分析(KPCA)空间相似度的一类入侵检测方法。该方法利用KPCA形成正常样本的非线性特征子空间，其他样本在该空间的投影系数作为相似性的度量。同时，为了有效利用已有的异常训练样本，通过自适应增加免疫因子方法来提高模型的决策性能及增量学习能力。对核函数参数和阈值设定进行了分析，并给出基于粒子群优化算法的决策模型。实验中将该方法同其他多层感知机(MLP),支持向量机(SVM)及自组织映射(SOM)方法进行比较，实验结果验证了该方法的正确性和有效性。