针对行人重识别任务在特征提取时缺乏对行人特征尺度变化的考虑，导致其易受环境影响而具有低行人重识别准确率的问题，提出了一种基于多尺度特征融合的行人重识别方法。首先，在网络浅层通过混合池化操作来提取多尺度的行人特征，从而帮助网络提升特征提取能力；然后，在残差块内添加条形池化操作以分别提取水平和竖直方向的远程上下文信息，从而避免无关区域的干扰；最后，在残差网络之后利用不同尺度的空洞卷积进一步保留多尺度的特征，从而帮助模型灵活有效地解析场景结构。实验结果表明，在Market-1501数据集上，所提方法的Rank1达到95.9%，平均精度均值（mAP）为88.5%；在DukeMTMC-reID数据集上，该方法的Rank1达到90.1%，mAP为80.3%。可见所提方法能够较好地保留行人特征信息，从而提高行人重识别任务准确率。

植物识别领域的研究包括单一背景和自然环境植物图像识别，由于背景噪声的存在，自然环境植物图像识别难度更大。针对如何降低卷积神经网络（CNN）的权重大小、如何改善过拟合、如何提高模型对自然环境植物的识别率和泛化能力的问题，提出科优先（FP）的植物识别方法。与轻量卷积神经网络MobileNet模型结合，利用迁移学习的方法，建立基于MobileNet的科优先（FP-MobileNet）植物识别模型。单纯使用MobileNet模型在单一背景植物数据集flavia上获得了99.8%的识别率；对于更具挑战的自然环境花卉数据集flower102，在训练集样本数量大于测试集时FP-MobileNet获得了99.56%识别率，在训练集样本数量小于测试集时FP-MobileNet仍获得了95.56%的识别率。实验结果表明，两种数据集划分方案下FP-MobileNet的识别率均高于单纯的MobileNet模型；并且FP-MobileNet模型在获得较高识别率的同时，权重仅占13.7 MB，兼顾了精度和延迟，适合推广到需要轻量模型的移动设备。

针对移动支付过程中支付验证码容易泄露的问题，提出了基于加密短信息验证码的双因素移动支付系统方案。该方案基于公开密钥系统，使用公钥基础设施/认证机构（PKI/CA）的认证方法进行服务器与客户端的在线安全认证，并且利用客户在服务器上注册的用户名、密码和加密的交易验证短信来确保即使验证码密文泄漏，攻击者也无法获取验证码，从而杜绝了验证码泄漏造成的失窃风险。仿真结果表明，加密验证码方案在使用短信接口发送给用户时，系统的反应时间与未加密验证码方案的反应时间差别并不明显，而且增长趋势保持一致，均随着用户访问量的增加呈线性增长，能够兼顾系统的安全性和有效性。

随着数据规模的不断扩大,稀疏子空间聚类问题面临计算上的巨大挑战。现有稀疏子空间聚类算法如交替方向乘子法(ADMM)往往基于串行实现,难以利用多核处理器提高处理大规模聚类问题的效率。针对这个问题,提出一种基于坐标下降的并行稀疏子空间聚类方法。该方法利用稀疏子空间聚类可以建模为求解一系列的样本自稀疏表达子问题的特点,使用坐标下降方法来求解每个子问题,具有参数少、收敛快的优点;同时结合自稀疏表达子问题独立的特点,在处理器的各个核心上同时求解不同样本对应的子问题,因此可以充分利用计算机资源,减少运行时间开销。在模拟数据和运动分割数据集Hopkins-155上与常用的ADMM算法进行对比实验,结果表明该算法在多核处理器上可以显著提升运行速度且聚类精度与ADMM相当。

针对增量式监测算法(IMA)的冗余搜索问题，提出一种基于IMA改进的移动对象连续k近邻(Continuous k Nearest Neighbor, CkNN)查询处理新算法。采用增量式查询处理机制；利用距离相近的查询其查询结果大部分相同这一特性，在以查询点为中心进行网络扩展之前，首先执行一个预处理过程，分析相近的其他查询的扩展树，并重用其中的有效部分，从而避免了对道路网的盲目扩展；且在节点的网络扩展中，通过应用具有相同扩展方向的其他查询的扩展结果，不仅减少了对道路网的重复扩展，还节省了计算代价。实验结果表明,所提算法同传统算法相比较, 缩短了查询响应时间，提高了运行效率，并且适用于不同类型的k近邻查询。