针对卷积结构的深度学习模型在小样本学习场景中泛化性能较差的问题，以AlexNet和ResNet为例，提出一种基于小样本无梯度学习的卷积结构预训练模型的性能优化方法。首先基于因果干预对样本数据进行调制，由非时序数据生成序列数据，并基于协整检验从数据分布平稳性的角度对预训练模型进行定向修剪；然后基于资本资产定价模型（CAPM）以及最优传输理论，在预训练模型中间输出过程中进行无需梯度传播的正向学习并构建一种全新的结构，从而生成在分布空间中具有明确类间区分性的表征向量；最后基于自注意力机制对生成的有效特征进行自适应加权处理，并在全连接层对特征进行聚合，从而生成具有弱相关性的embedding向量。实验结果表明所提出的方法能够使AlexNet和ResNet卷积结构预训练模型在ImageNet 2012数据集的100类图片上的Top-1准确率分别从58.82%、78.51%提升到68.50%、85.72%，可见所提方法能够基于小样本训练数据有效提高卷积结构预训练模型的性能。

随着现代网络通信和社会媒体等技术的飞速发展，网络化的大数据由于缺少高效可用的节点表示而难以应用。将高维稀疏难于应用的网络数据转化为低维、紧凑、易于应用的节点表示的网络嵌入方法受到广泛关注。然而已有网络嵌入方法得到节点低维特征向量后，再将其作为其他应用（节点分类、社区发现、链接预测、可视化等）的输入来作进一步分析，没有针对具体应用构建模型，难以取得满意的结果。针对网络社区发现这一具体应用，提出结合社区结构优化进行节点低维特征表示的深度自编码聚类模型CADNE。首先基于深度自编码模型，通过保持网络局部及全局链接的拓扑特性来学习节点的低维表示，然后利用网络聚类结构对节点低维表示进一步优化。该方法同时学习节点的低维表示和节点所属社区的指示向量，使节点的低维表示不仅能保持原始网络结构中的拓扑结构特性，而且能保持节点的聚类特性。与已有的经典网络嵌入方法进行对比，结果显示CADNE模型在Citeseer和Cora上取得最优聚类结果，在20NewsGroup上准确率提升最高达0.525；分类性能在Blogcatalog、Citeseer数据集上取得最好结果，在Blogcatalog上训练比例20%时比基线方法提升最高达0.512；并且CADNE模型在可视化对比中能够得到类边界更加清晰的节点低维表示，验证了所提方法具有较好的节点低维表示能力。

对于用户泛化和模糊的查询，将Web搜索引擎返回的列表内容聚类处理，便于用户有效查找感兴趣的内容。由于返回的列表由称为片段（snippet）的短文本组成，而传统的单词频率-逆文档频率（TF-IDF）特征选择模型不能适用于稀疏的短文本，使得聚类性能下降。一个有效的方法就是通过一个外部的知识库对短文本进行扩展。受到基于神经网络词表示方法的启发，提出了通过词嵌入技术的Word2Vec模型对短文本扩展，即采用Word2Vec模型的Top N个最相似的单词用于对片段（snippet）的扩展，扩展文档使得TF-IDF模型特征选择得到聚类性能的提高。同时考虑到通用性单词造成的噪声引入，对扩展文档的TF-IDF矩阵进行了词频权重修正。实验在两个公开数据集ODP239和SearchSnippets上完成，将所提方法和纯snippet无扩展的方法、基于Wordnet的特征扩展方法和基于Wikipedia的特征扩展方法进行了对比。实验结果表明，所提方法在聚类性能方面优于对比方法。

针对传统图像匹配算法特征点检测稳定性和准确性差的问题，提出一种尺度不变性的基于中心环绕滤波器检测（SCFD）的图像特征点匹配算法。首先，构建多尺度空间，利用中心环绕滤波器检测图像在不同尺度下的特征点，采用Harris方法和亚像素插值获得稳定的特征点；其次，联合快速定向旋转二进制稳健基元独立特征（BRIEF）（ORB）算法确定特征点的主方向，构建特征点描述算子；最后，采用汉明距离完成匹配，通过最小平方中值（LMedS）定理和最大似然（ML）估计剔除误匹配点。实验结果表明，在尺度变化时，所提算法的匹配精度达到96.6%，是ORB算法的2倍；其运行时间是尺度不变特征变换（SIFT）的19.8%，加速鲁棒性特征（SURF）的28.3%。所提算法能够有效提高特征点检测的稳定性和准确性，在视角、尺度缩放、旋转、亮度等变化的情况下具有较好的匹配效果。

针对微博的实时性、稀疏性和海量性特点,提出基于实时词共现网络的话题发现模型。首先,从原始语料中筛选出主题词集合,再利用时间参数计算共现主题词的关系权重以实现词共现网络的构建,通过该网络推算出与话题关联性强的潜在特征词以解决微博特征词的稀疏性;其次,采用改进Single-Pass算法实现话题增量聚类;最后,对每个话题的主题词按热度计算进行排序,获得最具代表性的话题主题词。实验结果表明,该模型与经典Single-Pass聚类算法相比,话题发现准确率约提高6%,综合指标提高8%。实验结果证明所提模型的有效性和准确性。

为了克服基于身份部分盲签名方案的安全性依赖强和签名验证计算开销大等缺陷，结合基于身份的部分盲签名和服务器辅助验证签名，提出了基于身份的服务器辅助验证部分盲签名体制，将签名验证的大部分计算任务委托服务器执行，有效减少了验证者的计算开销。利用双线性映射，设计了一个具体的基于身份服务器辅助验证部分盲签名方案，并在标准模型下证明所提方案是安全的。分析结果表明，所提方案大幅降低了签名验证算法的计算复杂度，在效率上优于Li方案（LI F,ZHANG M,TAKAGI T.Identity-based partially blind signature in the standard model for electronic cash.Mathematical and Computer Modelling,2013,58(1):196-203）和Zhang方案（ZHANG J,SUN Z.An ID-based server-aided verification short signature scheme avoid key escrow.Journal of Information Science and Engineering,2013,29(3):459-473）。

针对机场"最大化停机位利用率"以及"最小化旅客行走路程"问题，提出了一种动态、灵活分配停机位的禁忌搜索算法。首先介绍了基本禁忌搜索算法的相关设计，然后引出了改进后的动态禁忌搜索算法（DTS算法），最后利用实际数据对改进后的禁忌搜索算法进行演算。通过几组数据的对比可看出，突出可变禁忌长度能够缩短全局寻优的循环次数。而与相关文献的演算结果进行对比显示：在资源不受限情况下，旅客行走总时间减少了15.75%；在资源受限情况下，旅客行走总时间减少了22.84%。实验结果表明，采用动态禁忌搜索算法能够得到更小的旅客行走路程的分配方案。

研究这样一个问题：给定多序列、支持度阈值和间隔约束，从多序列中挖掘所有出现次数不小于支持度阈值的频繁序列模式，这里要求模式中任意两个相邻元素在序列中的出现都要满足用户自定义的间隔约束，并且模式在序列中的出现要满足one-off条件。在解决该问题上，已有算法M-OneOffMine在计算模式的支持度时，只考虑模式的每个字符在序列中的首次出现，导致计算的模式支持度远小于其真实支持度，以致许多频繁的模式没有被挖掘出来。为此，设计了一个有效的带有间隔约束的多序列模式挖掘算法——MMSP算法：首先，通过采用二维表保存模式的候选位置；然后，根据候选位置采用最左最优的思想选择匹配位置。通过生物DNA序列进行实验，多序列中元素序列数目不变而序列长度变化时，MMSP挖掘出的频繁模式总数是同类算法M-OneOffMine的3.23倍；在元素序列个数变化时，MMSP挖掘出的频繁模式个数平均是M-OneOffMine的4.11倍；这两种情况下MMSP都有更好的时间性能。在模式长度变化时，MMSP挖掘出的频繁模式个数分别平均是M-OneOffMine的2.21倍和MPP的5.24倍。同时还验证了M-OneOffMine挖掘到的模式是MMSP挖掘到的频繁的子集。实验结果表明，MMSP算法不仅可以挖掘到更多的频繁模式，而且时间花费更少，更适合于实际的应用。

针对认知无线Mesh网络(CWMN)的频谱分配问题，提出了一种基于免疫多目标优化的实现算法。该算法将要求解的频谱分配建模为最大化总带宽和最小化占用频谱数的多目标优化问题，设计了适合问题求解的抗体编码方式、整体克隆算子和非支配抗体选择算子。仿真实验结果表明，所提算法可以求得CWMN频谱分配问题的Pareto最优解，提高了最大化总带宽，减少了最小化占用频谱，优化了频谱分配性能。

家庭基站是一种小体积、低发射功率的基站，它为长期演进(LTE) femtocell双层网络提供更好室内覆盖的同时也增加了整个系统的容量。然而，femtocell和宏基站(MeNB)之间的干扰不容小觑。针对二者间的干扰问题，提出一种基于软频率复用(SFR)的有效的LTE femtocell网络的小区间干扰协调(ICIC)方案。该方案中，为避免共信道干扰，先对宏小区进行SFR频域资源分配，然后让femtocell用户使用宏基站未占用的频域资源；并且当femtocell位于宏小区中心区域时，不使用同一扇区边缘区域占用的频带。仿真结果表明，此方案减小了不同类型用户间的干扰，整个网络的吞吐量比没有使用ICIC技术的情况提高了14%，同时小区边缘用户的平均吞吐量至少提高了34%。

为了改善小波神经网络(WNN)在处理复杂非线性问题的性能，针对量子粒子群优化(QPSO)算法易早熟、后期多样性差、搜索精度不高的缺点，提出一种同时引入加权系数、引入Cauchy随机数、改进收缩扩张系数和引入自然选择的改进量子粒子群优化算法，将其代替梯度下降法，训练小波基系数和网络权值，再将优化后的参数组合输入小波神经网络，以实现算法的耦合。通过对3个UCI标准数据集的仿真实验表明，与WNN、PSO-WNN、QPSO-WNN算法相比，改进的量子粒子群小波神经网络(MQPSO-WNN)算法的运行时间减少了11%~43%，而计算相对误差较之降低了8%~57%。因此，改进的量子粒子群小波神经网络模型能够更迅速、更精确地逼近最优值。

在深入分析现有屏幕图像传输方法的基础上，提出了一种改进的远程屏幕图像实时传输方法，将色彩过滤、“格”、异或和帧间分块压缩结合起来，在屏幕图像采集和压缩两个方面进行了改进。实验结果表明，该方法在保证图像质量的前提下，缩短了屏幕图像处理时间，减少了数据传输量，提高了传输速度。

在对B链树极高同步性能研究的基础上，提出了一种将B链树作为数据库索引并和多版本技术相接合的一种新颖方案。该方案将事务分为只读事务或更新事务，只读事务不需要获取锁，而更新事务也只需要少量的锁，不会形成死锁。实验表明，在并发环境下这种方案能较大的提高数据库性能和事务的吞吐量。

把QGM(QualityGoalMetric)模型引入到软件项目进度的度量过程中,使得软件过程的进度具有可控性、可测性。介绍了GQM模型,并且基于一个实际的甘特图实例,给出了详细的GQM度量计划、度量构造,最后得出相应的度量指示器,分析、总结度量结果。

简单介绍了新一版密钥交换协议草案IKEv2,对IKEv2密钥协商机制的安全性进行分析。通过分析,发现其EAP交换过程繁琐且身份信息不易隐藏;证书验证中可能受到假冒证书攻击;为避免安全隧道非授权访问而需要重新认证等几处安全问题。针对这几处安全问题提出了改进建议和解决方法。