为了在牦牛养殖过程中对牦牛实现精确管理，需要对牦牛的身份进行识别，而牦牛脸识别是一种可行的牦牛身份识别方式。然而已有的基于神经网络的牦牛脸识别算法中存在牦牛脸数据集特征多、神经网络训练时间长的问题，因此，借鉴迁移学习的方法并结合视觉几何组网络（VGG）和卷积神经网络（CNN），提出了一种并行CNN（Parallel-CNN）算法用来识别牦牛的面部信息。首先，利用已有的VGG16网络对牦牛脸图像数据进行迁移学习以及初次提取牦牛的面部信息特征；然后，将提取到的不同层次的特征进行维度变换并输入到Parallel-CNN中进行二次特征提取；最后，利用两个分离的全连接层对牦牛脸图像进行分类。实验结果表明：Parallel-CNN能够对不同角度、光照和姿态的牦牛脸进行识别，在含有300头牦牛的90 000张牦牛脸图像的测试数据集上，所提算法的识别准确率达到91.2%。所提算法可以对牦牛身份进行精确识别，从而帮助牦牛养殖场实现对牦牛的智能化管理。

为了优化梅尔频率倒谱系数（MFCC）特征提取算法，提高对呼吸声信号识别的准确率，实现识别慢性阻塞性肺病（COPD）的目的，提出了基于希尔伯特黄变换（HHT）的MFCC与短时能量（Energy）融合的特征提取算法HHT-MFCC+Energy。首先，经预处理的呼吸声信号通过HHT计算出Hilbert边际谱和边际谱能量；其次，谱能量通过Mel滤波器得到特征向量，再对特征向量取对数和进行离散余弦变换得到HHT-MFCC系数；最后，将信号的短时能量与HHT-MFCC特征向量融合形成新特征，并通过支持向量机（SVM）进行信号识别。将MFCC、HHT-MFCC和HHT-MFCC+Energy三种特征提取算法结合SVM进行呼吸声信号识别，实验结果表明，所提出的特征融合算法在COPD患者和健康人呼吸声识别效果上都优于其他两种算法：当提取24维特征、选取100个训练样本时，识别率平均值能达到97.8%，分别比MFCC和HHT-MFCC高出6.9个百分点和1.4个百分点。

基于深度特征的目标检测方法Faster R-CNN在火焰检测任务上存在检测效率低的问题，因此提出了基于颜色引导的抛锚策略。该策略设计火焰颜色模型来限制锚的生成，即利用火焰颜色约束锚的生成区域，从而减少了初始锚的数量，提升了计算效率。为了进一步提高网络的计算效率，将区域生成网络中的卷积层替换成掩膜卷积。为了验证所提方法的检测效果，采用BoWFire和Corsician数据集进行验证。实验结果表明，该方法实际检测速度相较于原Faster R-CNN提高了10.1%，BoWFire上该方法的火焰检测F值为0.87，Corsician上该方法的准确度可达99.33%。所提方法可以提高火焰检测的效率，并能够准确检测图像中的火焰。

时间序列数据在测量过程中通常受到事物内在可变性以及外界干扰等因素的影响，针对各个时间点上数据受影响程度不同的情况，提出一种基于高斯过程预估模型的时间序列数据离群点检测方法。将监测数据分解为标准值和偏差项两个部分，除了对理想情况下的标准值建模，还再次使用高斯过程实现对异方差偏差项的有效描述，通过变分推断解决引入偏差项后的后验概率求解问题，将后验分布中设定的容差区间用于离群点判定。使用雅虎公司公开的网络流量时序数据进行验证，模型输出的容差区间在不同时间点上的变化趋势与标注的正常数据偏差情况相符，并在对比实验中异常检测性能指标F1-score优于自回归积分滑动平均模型、一类支持向量机以及基于密度并伴随噪声的空间聚类算法。实验结果表明，该模型能够有效描述各个时间点上正常数据的分布情况，取得误报率和召回率两方面的综合权衡，而且可以避免模型参数设置不当导致的性能问题。

在互联网视频应用领域中，视频在经过多次转码后相对于原始节目的失真难以控制，为此，提出一种对视频多次转码后的总失真进行估计的方法。首先，研究多次有损转码失真的叠加过程，找到了多次失真叠加后总体失真的下限；然后，用概率论的方法给出了总体失真的一个估计；最后，根据估计误差，采用最小二乘拟合对该估计进行修正。实验结果表明，经过修正后，Y、U和V三分量最终失真的平均估计误差仅为0.02dB，0.05dB和0.06dB，这说明该方法能够有效且准确地估计出视频转码的总体失真值。

针对传统数据包络分析(DEA)公共权重生成方法不同时具备线性、规模无关优点的问题,根据军事训练绩效评估需求,提出了一种新的DEA公共权重生成方法。该方法以DEA有效单位为计算基础,首先对训练数据进行归一化,然后运用多目标规划模型求解,绩效排序结果更加公平合理,并且同时具有线性、规模无关的优点。最后,通过一个军事应用,证明了该方法科学、有效。

针对电子交易中的隐私安全问题，提出了一个可保护用户隐私的电子交易方案。方案将不经意传输协议和ElGamal签名相结合，实现了电子交易中交易双方的隐私安全。用户使用序号选择商品，匿名付费给银行；银行将商品的数字签名发送给用户，用户使用数字签名和商家进行不经意信息交互；对序号进行幂运算加密得到密钥，商家不知道用户订购何种数字商品，序号的隐蔽性和制约性也使得用户不能以没有选择的序号打开消息，用户得到且只能得到自己订购的数字商品。正确性证明和安全性分析结果表明，方案保护了交易双方在电子交易过程中的交互信息，同时防止商家恶意欺诈行为。方案签名短，计算量小，密钥动态变化，安全性强。

在认知正交频分复用（OFDM）系统中，为避免对主用户（PU）的干扰，需要对认知用户（CU）基站的发射功率进行控制和分配。针对认知用户基站无法合理分配其发射功率及无法有效提高数据传输速率等问题，在传统注水功率分配算法的基础上，提出了一种双因子二分搜索最优化功率分配算法。该算法充分考虑认知用户信道上干扰温度的限制，首先，在满足总功率限制的条件下引入剩余函数；然后，利用剩余函数的单调性，通过双层二分搜索迭代方法求得拉格朗日因子的准确值；最后，通过拉格朗日因子的值求出各子信道上所分配的功率值。仿真结果表明，所提算法能有效利用主用户频带间的频谱空穴，在总功率限制和干扰温度（IT）限制下，最大化认知用户的数据传输率，其值逼近传统注水算法。同时该算法所得到的数据传输速率比总功率平均控制算法和干扰温度平均控制算法有明显的提高，在相同仿真环境下其传输总速率超出约4×105b/s。在迭代过程中所提算法处理时间较少，并体现出良好的鲁棒性。

节点部署是传感器网络中的一个基本问题，其直接关系到整个网络的性能。但现有的传感器网络节点部署研究大多针对平面以及3D空间的场景，对于3D表面场景部署的研究较少，为此针对该场景研究传感器网络节点部署优化算法。首先通过数学微分几何方法对3D表面构建数学模型，然后通过质心Voronoi剖分对3D表面进行分区，提出一种误差函数来评价部署方法的优劣程度，最后通过仿真比较了该方法与其他表面部署方法的性能优劣，结果表明，所提方法优于对比算法。

多层直方图平移可逆水印算法可以获得较高的嵌入容量。由于多层嵌入复杂度较高，在实际实施多层嵌入前，一般不可预知算法是否满足用户要求的嵌入容量和水印图像质量。提出一种快速性能估计方法，该方法无需实际嵌入操作，仅根据直方图信息就可以准确估计多层嵌入后水印容量及相应的水印图像质量。实验结果表明：该方法速度快、估计精度高，为实际使用直方图平移可逆水印算法提供了一种快速、有效的判决依据。

针对H-EC数据转发机制所存在的系统漏洞问题，提出了一种有效解决系统漏洞的方法，同时提出了一种对数据块进行有效划分的方法。在此基础上，设计并实现了一种新的数据转发机制——增强混合擦除编码机制（EH-EC）。在OMNET++下的仿真结果表明：EH-EC时延更少,转发成功率更高，但是相对H-EC会增加少量的路由信息冗余。

针对自动化立体仓库高存储、高速度、高效率的特点,对拣选作业的运行过程进行分析,建立了相应的拣选作业优化模型,并设计一种高效的单亲遗传算法用于求解。通过仿真验证,结果表明该算法具有很好的全局搜索能力,并能很好地兼顾优化时间和优化效果两个方面,满足实际作业运行要求,适合在实际工程中使用。

无线传感器网络有其资源受限的特点，单靠密码学和认证无法阻止网络内部的恶意或非恶意攻击以及节点的异常行为。融合了密码学、经济学、统计学、数据分析等相关领域的工具来建立可信的无线传感器网络，提出了一种无线传感器网络的信誉模型。其基本思想是网络中的各节点保存其他节点的信誉，并以此来计算其他节点的可信度。模型中引用了贝叶斯公式来表示、更新和整合信誉，设计了一个基于β分布的无线传感器网络信誉系统。

利用改进的随机Hough变换被用来对心肌纤维方向进行了检测。针对心肌纤维边缘的特点，采用窗口对投票点对加以筛选，同时利用模糊映射对Hough变换投票在变换空间加以修正，使随机Hough变换能够较好的用于复杂非规则直线段的检测，提高了利用Hough变换检测心肌纤维方向的正确率。

介绍了以太网与CAN现场总线网间嵌入式网关的软硬件结构设计,描述了uClinux上CAN设备驱动程序的处理流程及其设计方法和技巧。针对CAN协议的特点,为不同实时等级的信息报文设立四个分组,设计了多帧数据发送报文结构,为设备驱动程序的收发缓冲区设计合理的数据结构和管理方法,提高了CAN通讯效率。