图像纹理增强过程中容易丢失平滑区域纹理细节，而分数阶微分增强虽然能够非线性保留平滑区域纹理细节，但对频率分辨率敏感。针对这个问题，提出一种基于小波变换的分数阶微分纹理增强算法，应用于平扫计算机断层扫描（CT）图像的肝脏肿瘤区域的纹理增强。首先，通过小波变换将图像感兴趣区分解成多个子带分量；其次，基于分数阶微分定义构造一个带补偿参数的分数阶微分掩膜；最后，使用该掩膜与每个高频子带分量进行卷积并利用小波逆变换重组图像感兴趣区。实验结果表明，该方法在使用较大分数阶次显著增强肿瘤区域的高频轮廓信息的同时，有效地保留了低频平滑的纹理细节：增强后的肝细胞癌区域与原区域相比，信息熵平均增加36.56%，平均梯度平均增加321.56%，平均绝对差值平均为9.287；增强后的肝血管瘤区域与原区域相比，信息熵平均增加48.77%，平均梯度平均增加511.26%，平均绝对差值平均为14.097。

由于朴素贝叶斯分类模型的简单高效，在垃圾邮件分类时可以达到较好的效果；但朴素贝叶斯的条件独立假设割裂了属性之间的关系，影响了分类的准确性。放松朴素贝叶斯分类模型关于属性之间条件独立假设，介绍一种新的基于不完全朴素贝叶斯分类模型的垃圾邮件分类模型，N平均1依赖邮件过滤模型。使用N个1依赖分类模型的平均概率作为分类的预测概率。实验证明，该模型在简单、高效的同时降低了对垃圾邮件分类的错误率。