现有单阶段目标检测算法在肺结节检测中结节检出不敏感，卷积神经网络（CNN）在特征提取时多次上采样导致微小结节特征提取困难、检测效果差，并且现存肺结节检测算法模型复杂，不利于实际应用部署落地。针对上述问题，提出一种结合注意力机制和多路径融合的实时肺结节检测算法，并在此基础上改进上采样算法，提升肺部结节的检测精度和模型推理速度，且模型的权重小容易部署。首先，在特征提取的主干网络部分融合通道和空间的混合注意力机制；其次，改进采样算法，提高生成特征图的质量；最后在加强特征提取网络部分，在不同路径之间建立通道，实现深层和浅层特征的融合，将不同尺度的语义和位置信息融合。在LUNA16数据集的实验结果表明，相较于原始YOLOv5s算法，所提算法的精确率、敏感度和平均精度分别提升9.5、6.9和8.7个百分点，帧率达到131.6 frame/s，模型权重文件仅有14.2 MB，表明了所提算法可以实时检测肺结节，并且精度远高于YOLOv3和YOLOv8等现有单阶段检测算法。

针对四维（4D）航迹预测的实时性不强和存在迭代误差的问题，提出了一种自动生成的条件变分自动编码器（AutoCVAE）。它以编码-解码的形式直接对未来一段时间的航迹进行预测，并能灵活选取观测点个数和预测步长。该方法以处理后的广播式自动相关监视（ADS-B）数据为引导，以减小预测误差为目标，通过贝叶斯优化的方法，在预定义的搜索空间内进行模型结构搜索，每一次的超参数取值都会参考之前的评估结果，使得每一次的模型结构都能向目标更靠近一点，最终实现了一个基于ADS-B数据的高精度的4D航迹预测模型。实验得出，所提模型能快速准确地进行航迹的实时预测，其中经纬度平均绝对预测误差（MAE）均小于0.03°，高度MAE小于30 m，各时刻点的时间误差也不会超过10 s，每次批量预测轨迹的延迟时间不超过0.2 s。

针对传统的局部二值模式算子缺乏像素间深层次的相关性信息，且对图像中常见的模糊及旋转变化的鲁棒性较差的问题，提出了一种结合微分特征和Haar小波分解的鲁棒纹理表达算子。在微分特征通道上，通过各向同性的微分算子提取图像中的一阶和二阶微分特征，使图像的微分特征在本质上具有旋转不变性且对图像模糊具有较强的鲁棒性；基于小波变换在时域和频域同时具有良好的局部化的特点，在小波分解特征提取通道上采用多尺度的二维Haar小波分解提取图像中的模糊鲁棒特征；最后，串联两个通道上的特征直方图来描述图像的纹理特征。在特征判别性实验中，该算子在较复杂的UMD、UIUC和KTH-TIPS纹理库上的准确率分别达到了98.86%、98.2%和99.05%，与中值稳健扩展局部二值模式（MRELBP）算子相比，准确率分别提高了0.26%、1.32%和1.12%；在对旋转变化和图像模糊的鲁棒性分析实验中，该算子在仅存在旋转变化的TC10纹理库上的分类准确率达到99.87%，在添加了不同程度高斯模糊的TC11纹理库上的分类准确率降幅仅为6%；在计算复杂度实验中，该算子的特征维度仅为324维，在TC10纹理库上的平均特征提取时间为30.9 ms。实验结果表明，结合微分特征和Haar小波分解的方法具有很强的特征判别性，对旋转和模糊的鲁棒性较强，同时具有较低的计算复杂度，在样本数据较少的场合具有很好的适用性。

针对非均匀采集点云数据压缩中压缩精度和压缩时间较难权衡的问题，提出一种结合密度阈值和三角形组逼近的压缩方法，并且用八叉树划分得到的非空体素来设置密度阈值以构造三角形组，实现点云表面模拟。首先，根据体素内点的分布确定三角形组的顶点；接着，排序顶点以生成每个三角形；最后，引入密度阈值来构造平行于坐标轴的射线，根据射线与三角形的交点来生成不同密度区域上的细分点。采用dragon、horse、skull、radome、dog和PCB点云数据，对改进区域重心法、曲率压缩法、改进曲率分级法、 K近邻长方体法和所提方法进行对比实验。实验结果表明，在相同体素尺寸下，所提方法的特征表达效果优于改进区域重心法；在压缩率接近的情况下，所提方法在时间效率上优于曲率压缩法、改进曲率分级法、 K近邻长方体法；在压缩精度上，所提方法所建模型最大偏差、标准偏差和表面积变化率皆低于改进区域重心法、曲率压缩法、改进曲率分级法和 K近邻长方体法所建模型。实验结果表明，所提方法在较好地保留特征信息的同时，可在较短的耗时下对点云实现有效压缩。

针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题，提出一种加权信息熵（IEw）与自适应阈值环形局部二值模式（ATRLBP）算子相结合的人脸识别方法（IE （w） ATR-LBP）。首先，从原始人脸图像分块提取信息熵，得到每个子块的IEw；然后，利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图；最后，将各个块的IEw与概率直方图相乘，再串联成为原始人脸图像最后的特征直方图，并利用支持向量机（SVM）对人脸进行识别。在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上，IE （w） ATR-LBP方法分别取得了98.37%、94.17%、98.20%和99.34%的识别率。在ORL人脸库上，IE （w） ATR-LBP方法的最大识别率为99.85%；而且在ORL人脸库5次不同训练样本的实验中，与无噪声时相比，加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点。实验结果表明，IE （w） ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率，尤其是存在表情变化及脉冲类噪声干扰时的识别率。

针对时域不确定信息的融合难题，为充分体现时域信息融合的动态性特点和时间因素对融合的影响，在证据理论的基础上，提出一种考虑决策者时序偏好的时域证据融合方法。首先将决策者对时序的偏好融入时域证据融合，通过分析时域证据序列的特点，在定义时序记忆因子的基础上，对决策者的时序偏好进行度量；然后通过构建优化模型求解时序权重，再结合证据信任度的概念，对证据源进行修正；最后利用Dempster组合规则对修正后的证据进行融合。数值算例表明，与没有考虑时间因素的融合方法相比，考虑决策者时序偏好的证据融合方法可以有效处理时域信息序列中的冲突信息，得到合理的融合结果；同时，所提方法充分考虑了时域证据序列的信任度和决策者的主观偏好，可以反映决策者主观因素对时域证据融合的影响，较好地体现了时域证据融合的动态性特点。

针对相对不可区分和区分关系约简的问题提出相应的算法。首先，考虑等价关系中相对不可区分关系的约简，提出一种新的辨识矩阵，并在此基础上得到了一种约简算法，通过关系的补关系提出相对区分关系的约简算法。然后，将相对不可区分关系等概念推广到一般关系。对于关系决策系统的相对不可区分关系约简给出了相应的辨识矩阵，并利用关系的补关系得到了相对区分关系约简的辨识矩阵，从而得到了两者的约简算法。最后，在选取的UCI数据集上，对提出的算法进行验证。在等价关系上，基于绝对约简的相对不可区分关系的约简（EQIND）算法与相对不可区分一般关系的约简（BⅡND）算法所得约简相同，基于绝对约简的相对区分关系的约简（EQDIS）算法与相对区分一般关系的约简（BIDIS）算法所得约简相同；同时算法BⅡND、BIDIS可以对不完备决策表进行约简。实验结果验证了所提算法的可行性。

针对已有概率频繁项集挖掘算法采用模式增长的方式构建树时产生大量树节点,导致内存空间占用较大以及发现概率频繁项集效率低等问题,提出了改进的不确定数据频繁模式增长(PUFP-Growth)算法。该算法通过逐条读取不确定事务数据库中数据,构造类似频繁模式树(FP-Tree)的紧凑树结构,同时更新项头表中保存所有尾节点相同项集的期望值的动态数组。当所有事务数据插入到改进的不确定数据频繁模式树(PUFP-Tree)中以后,通过遍历数组得到所有的概率频繁项集。最后通过实验结果和理论分析表明:PUFP-Growth算法可以有效地发现概率频繁项集;与不确定数据频繁模式增长(UF-Growth)算法和压缩的不确定频繁模式挖掘(CUFP-Mine)算法相比,提出的PUFP-Growth算法能够提高不确定数据概率频繁项集挖掘的效率,并且减少了内存空间的使用。

针对RSA算法中Z*φ(n)的代数结构问题，提出了一种在强素数条件下应用二次剩余理论进行研究的方法。给出了Z*φ(n)中元素阶的计算公式和元素的最大阶表达式，计算了Z*φ(n)中二次剩余的个数和二次非剩余的个数，同时估计出Z*φ(n)中元素的最大阶上限为φ(φ(n))/4并得到了Z*φ(n)中元素的最大阶达到φ(φ(n))/4的一个充要条件。另外还给出了全部二次剩余构成的子群A1成为循环子群的充分条件及Z*φ(n)的一种分解方法。最后证明了Z*φ(n)可由7个二次非剩余元素生成，商群Z*φ(n)/A1是一个Klein八元群。

密钥管理是无线传感器网络(WSN)安全的核心问题。基于二元对称多项式的随机密钥预分配方案为节点的通信提供了一种安全机制，但这些方案都存在“t-security”问题，很难抵制节点的捕获攻击。为了更好地解决该问题，提高网络的安全阈值及节点的抗捕获能力，采用可转化三元多项式代替二元对称多项式来建立节点间通信，并引入密钥分发节点进行分簇网络密钥分发。同时，由于对节点密钥采用单向Hash函数进行处理，提高了密钥破解难度。分析结果表明，该方案提高了网络的安全性及节点的抗毁性与可扩展性，降低了传感器普通节点的存储与计算开销。

针对极化SAR图像分类存在的问题,提出了基于SAR目标的极化特征的二维谱聚类方法。该方法可以充分考虑目标的极化相似性特征,利用二维的谱聚类方法实现极化SAR图像的分类。它以两目标散射的极化相似性参数图像作为输入特征,用二维图权函数代替一维图权函数求权值,使采样点分类和特征矢量分类相一致,从而实现极化SAR图像的分类。实验结果表明,该方法具有更好的分类结果,明显优于K均值分类。

P2P网络中通常采用重路由技术实现匿名通信，增加了网络管理的难度和传输延迟。基于代理合作的匿名传输机制是在P2P网络中选取部分节点组成虚拟合作代理群(Virtual Cooperative Proxy Troop,VCP)，网络中的节点均有一个对应的VCP节点来负责为其提供代理转发服务。VCP代理节点根据响应请求的延迟来合理分配多条有限长度的路径来进行数据传输，从而实现VCP节点之间的相互合作，降低传输耗时和平衡网络负载