针对现有的固定端传感器土壤墒情监测预测系统架设成本高、传感器易损坏、预测精度较低等问题，设计并实现了基于非固定无线传感器组网与改进灰狼算法优化神经网络的土壤墒情监测预测系统。系统使用非固定即插即用式传感器蓝牙组网收集墒情数据，使用高精度多源定位接入融合方法进行广域室外高精度定位。在算法方面，针对灰狼算法在迭代中后期易陷入局部最优等问题，提出一种基于末尾探索者策略的改进灰狼算法。首先，根据种群个体适应度值排名，在原有算法个体类型中增加探索者类型。然后，将种群搜索分为三个时期：活跃探索期、周期探索期和种群回归期。最后，在每个时期使用特有的位置更新策略进行探索者位置调整，使得算法在探索初期更具随机性，在探索中后期依然保持一定的解空间搜索能力，从而增强算法的局部最优回避能力。使用标准函数进行算法性能测试，并将该算法应用于优化土壤墒情神经网络预测模型问题，使用某市2号试验田的数据进行实验。实验结果表明，所提算法与直接神经网络预测模型相比，相对误差下降约4个百分点；与传统灰狼算法、粒子群优化（PSO）算法优化模型比较，相对误差下降约1至2个百分点。所提算法拥有更小的误差，更好的局部最优回避能力，能有效提高墒情的预测质量。

对于现有的自适应随机测试(ART)算法针对点状失效模式普遍存在有效性和效率均比随机测试(RT)差的问题,提出一种基于失效聚集度的自适应随机测试(CLART)算法,对传统的ART——固定候选集(FSCS)、区域排除随机测试(RRT)等算法进行改进。首先,根据被测程序的输入域估计主失效聚集度,确定局部搜索区域;然后,在区域内使用传统ART算法生成若干测试用例(TC)进行测试;若未发现错误,重新选择局部区域生成TC;重复这一过程直至发现错误。仿真实验显示在点状失效模式和块状失效模式下CLART算法的有效性比FSCS算法提高约20%,效率比FSCS算法提高约60%。实验结果表明CLART算法利用多个局部区域依次搜索可以快速锁定引发失效输入分布密集高的失效区域,从而提高测试的有效性和效率。

体尺参数是评价羊生长状况的重要指标，如何实现其无应激测量是羊养殖过程中亟需解决的重要问题。引入机器视觉相关方法，运用基于灰度的背景差分法，结合色度不变性原理，从复杂环境中检测羊体，并借助栅格法，提取羊体上轮廓包络线；采用D-P算法和海伦〖CD*2〗秦九绍公式对轮廓序列进行分析，获取包络线最大曲率点，并以此作为羊体臀部测点；在此基础上，采用四点法求取羊体的其他3个测点，结合空间分辨率，得出羊体的体尺参数，实现无接触测量。实验结果表明，所提方法可以有效从复杂环境中提取出羊体；羊体臀部测点可以有效稳定地确定，羊体身高可稳定获取；由于环境光线的复杂性，肩胛点的确定仍存在一些问题。

各种生物之间的进化史可以通过构建进化树来讨论，因此进化树的研究成了一个研究热点。提出将利用DNA序列的4D表示所得相似矩阵视为模糊矩阵，再利用最大树法来构建进化树的方法。该方法不需要多序列比对，计算简单，实验验证了该方法的有效性。

提出了一种新的轮廓提取算法,并将这种算法应用到MR-CT图像的轮廓提取。该算法首先计算图像的灰度阈值,选定属性形态运算递增准则中的属性,并构造选定属性的直方图,通过灰度阈值得到在属性直方图对应的属性阈值;对图像进行属性形态开闭运算,将图像多余信息滤除,再应用典型梯度算子中的罗伯特算子得到图像对象轮廓。证明了该算法具有递增性、幂等性、反扩展性和移不变性。对这种方法在MR-CT图像上进行了实验,实验结果表明MR-CT轮廓能完好地提取出来。仿真实验还证明：该方法有效地保留图像的必要信息,同时具有强抗噪性而且轮廓边缘保持完好。

建立一种运用于人体运动捕获与再现系统的人体模型,实现人体运动实时控制模型的运动。根据微型传感器人体运动捕获与再现系统的特点,提出一种三维人体模型的层次化结构建模方法和多边形分组皮肤变形方法。该方法以生物动力学为基础,根据人体关节的运动特征进行分层表示,采用传感器数据驱动并控制人体骨架模型的运动以及皮肤模型的变形,实时再现真实人体运动。实验表明,新建模方法适用于传感器数据驱动人体模型的实时运动再现,并能够逼真地体现人体运动的生物力学特征。

分析了动态家乡代理地址发现过程的安全特性，提出了一个对此过程进行安全保护的方案。该方案通过移动节点和家乡代理之间的双向认证和对家乡代理地址列表进行加密传输的方法，对动态家乡代理地址发现过程提供了安全保护，使该过程能够抵御恶意节点的拒绝服务攻击和对家乡链路信息的窃取。对这一方案的性能进行了评估，并在移动IPv6示范网络中进行了实现。