针对搜狐coreEntityEmotion_train语料核心实体识别和核心实体情感分析的任务，提出了基于注意力机制的长短期记忆神经网络结合条件随机场模型（AttBi-LSTM-CRF）。首先，对文本进行预训练，将每个字映射为维度相同的低维向量；然后，把这些向量输入到基于注意力机制的长短期记忆神经网络（AttBi-LSTM）中，以获取长远的上下文信息并集中注意力到与输出标签高度相关的信息上；最后，通过条件随机场（CRF）层获取整个序列的最优标签。将AttBi-LSTM-CRF模型与双向长短记忆神经网络（Bi-LSTM）、AttBi-LSTM和双向长短期记忆神经网络结合条件随机场（Bi-LSTM-CRF）模型进行对比实验。实验结果表明，AttBi-LSTM-CRF模型的准确率达到0.786，召回率达到0.756，F1值达到0.771，优于对比模型，验证了AttBi-LSTM-CRF性能的优越性。

为了解决日常拍摄的图像或视频中普遍存在局部运动模糊导致信息丢失的问题，提出一种基于能量估计的局部运动模糊检测算法。该算法首先计算图像的Harris特征点，根据每个区域内的特征点分布筛选出备选区域；然后根据近单色区域梯度分布平滑的特点，通过计算备选区域的梯度分布并参照平均幅值阈值过滤掉大部分容易被误判的部分；最后根据运动模糊对图像能量衰减的特征对备选区域进行模糊方向估计，并计算模糊方向和与其垂直方向的能量，根据两个方向上能量的比值进一步去掉单色区域和散焦模糊区域。在图像库上的实验结果表明，所提算法能较好从存在近单色区域和散焦区域干扰的图像中检测出运动模糊区域，有效提高局部运动模糊检测的鲁棒性以及适应性。

针对服装类商品标题中的商品属性实体识别问题,提出了一种边界探测规则与条件随机场(CRF)相结合的混合方法。首先,使用统计方法挖掘隐蔽的实体提示字信息;然后,以字为粒度对三种统计成词指标及其内涵进行了阐释;接着,基于统计成词指标和提示字信息设计了实体边界探测规则;最后,基于经验风险最小化给出了规则中阈值的确定方法。在与字标注的CRF模型的对比实验中,总体准确率、召回率、F1值分别提升了1.61%、2.54%和2.08%,验证了对于实体边界探测规则的有效性。所提方法可用于电子商务信息检索(IR)、电子商务信息抽取(IE)、查询意图识别等任务。

针对并联式混合动力汽车电辅助控制策略的参数优化问题，基于多指标正交优化设计理论，以混合动力汽车的燃油消耗、CO排放量、HC和NOx的总排放量为实验指标，设计了正交优化实验表。运用直观分析法分析了18组实验结果，量化研究了控制策略参数对并联式混合动力汽车整车性能的影响，找出了各个指标的显著性影响因素。

为了增大基于种群操作的搜索技术在有限时间内捕捉到决策空间中的特定目标的概率，基于古典概率模型建立不划分的随机抽样模型和划分成多个子区域的随机抽样模型(简称划分模型)，分析比较了两个模型分别进行多次独立随机抽样至少抽中1次特定目标的概率，并证明：当总体中特定目标的数量为1或2时，划分模型抽中特定目标的概率恒大于不划分模型的概率。

扼要分析目前针对标签防碰撞问题采用的防碰撞算法优缺点的基础上，基于跳跃式动态搜索(JDS)算法的思想，提出了一种新颖的JDS标签防碰撞算法。算法将栈思想引入到新的跳跃式策略前后搜索中，避免出现空闲时隙。在读写器问询时，利用标签反馈信息记忆部分已知信息，采用不定长动态传输方式及调整策略识别标签的未知数据位，减少了读写器搜索次数及系统传输量。算法仿真结果表明，系统传输量大大减少，吞吐量有明显提高。

将混合动力系统多目标优化问题转化为单目标优化问题进行求解需要设置权系数。为避免设置权系数,研究基于强度Pareto进化算法（SPEA2）的有约束并联式混合动力电动汽车(PHEV)参数优化方法。该方法基于Pareto支配性原理判定候选方案的优劣,采用ADVISOR仿真PHEV，并将仿真所得的燃油消耗量与污染物排量作为候选方案的目标值。实验结果表明,该方法所获得的控制策略与传动系统参数,在提高PHEV工作效率、整车性能及降低燃油消耗与污染物排放等方面效果显著。

在基于ASP的网络化制造中,制造资源管理的目的是为了供应链的集成与优化,供应商的评价和选择是非常重要的。在研究基于制造资源约束的供应链关系的基础上,建立了基于制造资源约束的供应链优化数学模型。根据模型最优点应满足Karush Kuhn Tucker(KKT)一阶必要条件,考虑Lagrangian定理,提出了该问题在不同条件下的迭代求解算法。通过应用证明该方法算法效率高,在较少迭代次数时具有较好的收敛性。