针对多模态情感分析任务中模态内信息不完整、模态间交互能力差和难以训练的问题，将视觉语言预训练（VLP）模型应用于多模态情感分析领域，提出一种融合自监督和多层交叉注意力的多模态情感分析网络（MSSM）。通过自监督学习强化视觉编码器模块，并加入多层交叉注意力以更好地建模文本和视觉特征，使模态内部信息更丰富完整，同时使模态间的信息交互更充分。此外，通过具有感知意识的快速、内存效率高的精确注意力FlashAttention解决Transformer中注意力计算高复杂度的问题。实验结果表明，与目前主流的基于对比文本-图像对的模型（CLIP）相比，MSSM在处理后的MVSA-S数据集上的准确率提高3.6个百分点，在MVSA-M数据集上的准确率提高2.2个百分点，验证所提网络能在降低运算成本的同时有效提高多模态信息融合的完整性。

针对拥有双向航道的集装箱港口中船舶进出港所遇到的会遇和追越等问题，提出了一种重点考虑服务规则的新型船舶调度优化算法。首先，同时考虑双向航道的现实约束和港口夜航的安全规定；然后，构建了以所有船舶在港总等待时间最小为目标的混合整数规划模型来得出最佳的船舶进出港次序；最后，设计了嵌入聚合策略的分支切割算法对模型进行求解。通过数值实验可知，运用嵌入聚合策略的分支切割算法所得结果与下界值的平均相对偏差为2.59%。同时，与模拟退火算法与量子差分进化算法的对比结果表明，所提的分支切割算法所得的目标函数值相较于两个对比算法所得目标函数值分别减少了23.56%和17.17%，验证了该算法的有效性。在用所提算法得到方案的敏感性分析中比较了不同抵港安全时间间隔和船舶类型比例对方案结果的影响，为双向航道集装箱港口的船舶调度优化提供了决策支持。

用户接入问题就是无线终端选择接入某个服务基站的问题。用户接入可以看作无线资源管理的第一步，对于网络性能有着重要的影响，在实现负载均衡、控制干扰、提高频谱和能量效率等方面起着非常重要的作用。针对包含宏基站和全双工小基站的多层异构网络特点，考虑了分离多接入机制，即允许一个终端在上行和下行接入到不同的多个基站，从而实现性能的提升。在此基础上，将异构网络中的上行下行分离多接入的用户接入问题建模成一个演化博弈问题，其中用户是博弈方，相互之间进行资源的竞争，基站的接入选择就是博弈中的策略，每个用户希望能通过策略的选择实现自身效用的最大化。此外，基于演化博弈和强化学习设计了低复杂度自组织用户接入算法，用户可以根据当前的策略选择收益来进行策略调整，并最终达到均衡状态，实现了用户公平性。最后通过大量的仿真实验验证了所提方法的有效性。

在提高字典鉴别能力的过程中，最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能，不仅与最大间隔原理有关，还与包含数据的最小包含球（MEB）半径有关。针对这一事实，提出泛化误差界指导的鉴别字典学习算法GEBGDL。首先，利用支持向量机（SVM）的泛化误差上界理论对支持向量引导的字典学习算法（SVGDL）的鉴别条件进行改进；然后，利用SVM大间隔分类原理和MEB半径作为鉴别约束项，促使不同类编码向量间的间隔最大化，并减小包含所有编码向量的MEB半径；最后，为了更充分考虑分类器的泛化性能，采用交替优化策略分别更新字典、编码系数和分类器，进而获得编码向量相对间隔更大的分类器，从而促使字典更好地学习，提升字典鉴别能力。在USPS手写数字数据集，Extended Yale B、AR、ORL三个人脸集，Caltech101、COIL20、COIL100物体数据集中进行实验，讨论了超参数和数据维度对识别率的影响。实验结果表明，在七个图像数据集中，多数情况下所提算法的识别率优于类标签一致 K奇异值分解（LC-KSVD）、局部特征和类标嵌入约束字典学习（LCLE-DL）算法、Fisher鉴别字典学习（FDDL）和SVGDL等算法；且在七个数据集中，该算法也取得了比基于稀疏表示的分类（SRC）、基于协作表示的分类（CRC）和SVM更高的识别率。

针对简单套用交接网络等社会网络分析方式不能很好地反映踪迹聚类生成的一系列流程的组织实体的重要度的问题,提出了一种踪迹聚类下组织实体的重要度排序方法。首先,对于参与踪迹聚类生成的一系列流程的组织实体构建踪迹聚类与组织实体关系网络;其次,定义基于踪迹聚类与组织实体关系网络的节点重要度评估方法;最后,对踪迹聚类下的各个组织实体节点计算其在关系网络中的重要度评分并排序。实验结果表明,所提方法构建的关系网络相比踪迹聚类下的交接网络能够更准确地反映组织实体的实际重要度;与基于拓扑势的网络社区节点重要度排序算法相比,所提方法的节点重要度排序结果更符合实际业务流程,能更好地区分关系网络中重要度不同的节点。

K条最短路径(KSP)问题是国际航线网络实际路径优化问题。通过对航线网络特征与K条最短路径算法的分析，研究了解决KSP问题的典型Yen算法。针对Yen算法求解候选路径占用大量运算时间的问题，提出一种改进Yen算法。改进Yen算法通过借助A*算法的启发式策略，减少了产生候选航线路径的时间，从而提高了算法的搜索效率并减小了算法搜索的规模。通过对国际航线网络实例的仿真，实验结果表明改进Yen算法能够快速求解国际航线网络中的KSP问题;同时，与Yen算法相比，运算效率提升了75.19%以上，能够为航线路径优化提供决策支持。

为了有效地挖掘用户所需的序列模式，在序列数据库中对每个项目引入了兴趣度值以示其不同的重要程度。在对概念格模型进行扩展的基础上，提出了基于兴趣度的序列概念格模型及其构建算法。实例表明算法能减少冗余序列的产生，挖掘出满足用户需求的序列模式。

针对现有基于混沌分组密码的图像加密算法中，扩散函数扩散速度慢、需要多轮迭代才能抵抗差分攻击的缺点，提出了一种新的基于密文和输出混合反馈的混沌图像加密算法。该算法利用密文扰动混沌系统的初始值，既改善了数字混沌的退化，又能使扩散函数具有非常快的扩散速度。经过实验验证，该算法只需正反两轮迭代，就能达到较高的安全性和较快的加解密速度。

ASM是一种基于统计模型的目标定位方法。在多种目标跟踪研究的基础上，提出了一种基于ASM的彩色视频中运动物体的定位方法，该方法充分利用了彩色视频中各种不同的颜色信息，同时为提高ASM方法的通用性，将原有的一维搜索空间扩展到二维邻域搜索空间，提高了定位过程的抗干扰性。实验结果表明，该方法在定位的准确性和鲁棒性上有较大提高。

针对视频水印在共谋攻击中的鲁棒性，在离散余弦变换域，对视频内容特征进行了研究，提出了水印信息和水印位置信息同时关联于嵌入点内容的算法，并给出了水印算法鲁棒性检测实验，实验证明该算法对共谋攻击有良好的鲁棒性。

从Telnet协议工作原理，分析了字符终端录像数据的录像及播放原理。根据录像数据的动态特性，提出了一种在字符录像数据动态播放的过程中，对字符录像数据进行关键字搜索的算法，并从字符串获取和字符串匹配算法的选取两方面对算法进行改进。通过时间测试证明了算法的正确性及实用性。