会展环境下的时空数据是复杂的，具有高度离散、不连续、记录不完整等特点。而大多情况下，时空数据本身不仅包含了时间、经度、纬度三维，还隐含速度、加速度、方向等附加属性，使得对这类数据的分析具有挑战。因此，提出一个交互式可视分析系统——会展时空数据可视分析系统（VASTED）。结合多种交互，面向整体与细节，关联分析参会人员的类型和移动规律以及可能的异常事件。该系统利用并进一步改进了三维地图和甘特图，有效地表示数据的多种属性。采用ChinaVis2019挑战1的数据集进行的案例研究，证明了该系统的可行性。

对于基于三维模型信息隐藏算法在几何攻击中鲁棒性差的问题，提出一种基于三维模型球型分割的信息隐藏算法。首先，利用主元分析、球面坐标转换、球型分割、分区排序等对三维模型进行预处理；然后，计算立体分区中法向量变化较大的点作为特征点，根据待嵌入秘密信息量对特征点进行小波变换；最后，将经过置乱操作的秘密信息嵌入预处理后的载体中生成含密三维模型。实验结果表明，算法不可见性较好，对旋转、随机加噪、重网格以及其他常见攻击具有良好的鲁棒性。

软件开发流程中越来越依赖各种计算机辅助软件（CAS）。在使用多种工具的情况下，会遇到开发流程不可定制、流程数据不一致和流程管理效率低等问题。针对这些问题提出了一个支持多工具协同工作的软件开发过程管理系统。通过分析软件开发过程，研究支持快速迭代、偏向流程管理的软件工程开发模式，结合工作流思想设计分层架构的软件开发过程管理系统。该系统经过严格的测试用例检测，在设计的576个测试用例下通过率达到85%，能够完成工具协同的大部分需求，包括流程可定义、保持数据一致和开发流程管理。该系统在7个软件开发组，共约200人的规模下推广试用。根据管理组、开发组和测试组的反馈结果，该系统比传统方式节省了每周例会的时间，方便了开发任务的管理，从而提高了开发效率。

针对秘密信息在公开网络传输的安全性和容量性问题，提出了一种基于高效率视频编码（HEVC）背景的信息隐藏算法。利用HEVC中多视点图像的背景图作为载体，首先对其进行 lαβ分解得到三个灰度分量子图，然后选取 α和 β分量子图作离散余弦变换，最后将秘密信息重复嵌入到载体区域中。隐藏区域选取能量权重较低的 α及 β分量子图的离散余弦变换中频系数区域，且进行重复嵌入，使得算法具有良好的不可见性和鲁棒性。实验结果表明，所提算法比基于帧间和帧内算法不可见性分别提高16.1%和11.4%，鲁棒性分别提高55.5%和20.2%。

针对稀疏重构下二维波达方向（2D-DOA）估计存在计算量大的问题，提出一种基于协方差矩阵降维稀疏表示的二维波达方向估计方法。首先引入空间角构造流形矢量矩阵冗余字典，将方位角和俯仰角组合从二维空间映射到一维空间，降低了字典的长度和求解复杂度，并且能自动实现俯仰角和方位角配对；其次改进了样本协方差矩阵的稀疏表示模型，对该模型进行了降维处理；然后由协方差矩阵稀疏重构的残差约束特性得到约束残差项置信区间，避免采用正则化方法导致参数选取困难；最后通过凸优化包实现了二维波达方向的估计。仿真实验表明，待选取的协方差矩阵列数达到某个阈值（在只有两个入射信号情况下该值为3）时，可准确实现入射信号角的估计；当信噪比（SNR）较小（<5dB）时，该方法估计精度优于基于空间角的特征矢量算法；低快拍数（<100）下该方法估计精度略低于特征矢量法，但小间隔角度下估计精度与后者相当。

针对用于二维十字相控阵的类旋转不变技术估计信号参数(ESPRIT-like)算法用于相干源方向角估计时存在仰角和方位角配对困难的问题,提出一种基于接收信号矩阵联合对角化的改进二维ESPRIT-like算法。首先,通过ESPRIT-like算法得到 x和 y方向自相关矩阵,并由其重构出对应的Toeplitz矩阵以去相干;然后对Toeplitz矩阵进行等效分解,得到去相干后 x和 y方向的等效接收信号矩阵;最后对等效接收信号矩阵进行矩阵联合对角化,实现相干源仰角和方位角自动配对,从而得到正确的信源方向估计结果。仿真结果表明,与改进前的算法相比,改进后的算法能够实现正确的方向角估计;与目前常用的基于空间平滑的二维多重信号分类(MUSIC)算法相比,在信噪比为30 dB时,该算法响应时间减少了79%左右,仰角和方位角分辨率分别提高了20%和40%左右,均方误差约为MUSIC算法角度误差的10%。

针对单通道振动信号盲源分离的观察信号少于源信号，且传统的盲源分离方法往往忽视信号非平稳性的问题，提出一种基于极点对称模态分解和时频分析的盲分离算法（ESMD-TFA-BSS）。首先，采用极点对称模态分解方法将观察信号分解成不同的模态，采用贝叶斯信息准则（BIC）估计源信号个数并利用相关系数法选取最优观察信号，由原观察信号与最优观察信号组成新的观察信号；其次，根据新的观察信号计算白化矩阵并将其白化，利用平滑伪Wigner-Ville分布将白化后的信号拓展到时频域，采用矩阵联合对角化方法计算酉矩阵；最后，根据白化矩阵和酉矩阵估计源信号。在盲源分离仿真实验中，ESMD-TFA-BSS的估计源信号与仿真信号的相关系数分别为0.9771、0.9784、0.9660，基于经验模态分解和时频分析的盲分离算法（EMD-TFA-BSS）的相关系数分别为0.8697、0.9706、0.8548，ESMD-TFA-BSS比EMD-TFA-BSS的相关系数分别提高了12.35%、0.80%、13.00%。实验结果表明，ESMD-TFA-BSS在实际工程中能够有效地提高源信号分离精度。

针对锅炉和工业生产中产生的大量炉内火焰图像的特征提取问题,提出一种分层自适应显著点提取方法。首先利用块逆概率差模型将原图像转换为块逆概率差(BDIP)图像。在此基础上,将得到的BDIP图像进行Haar小波变换,利用改进的加权方法计算出二维图像的显著值,然后通过提出的自适应的方法构建一棵非平衡四叉树,树的根节点代表整幅图像的显著值,根据每棵子树的显著值占父节点显著值的比例确定子树的显著点数目。该算法与基于BDIP的和基于Haar小波变换的显著点提取算法对比,实验结果表明,边缘准确率和综合特征检索精度都至少提高了10%和3.5%。结果说明,该算法不仅克服了传统显著点提取时数目过多以及提取点不显著的缺点,同时还避免了显著点的局部聚集。

传统关联分类方法处理数量型数据时，“先离散，再学习”的步骤使新的测试样例可能无法找到合适的离散区间，形成离散盲目性问题。基于lazy的数量型关联分类作为一种新的关联分类法，它首先利用K-近邻分类思想为测试样例求得K-近邻作为新的训练数据集，然后对包含测试样例和K个近邻的数据集离散化，并在K-近邻组成的离散数据集上挖掘关联规则并构造分类器进行分类。最后，通过与传统CBA、CMAR、CPAR算法在7个常用UCI数量型数据集上进行的对比实验结果表明，基于lazy的数量型关联分类方法的平均分类准确率提高了0.66%~1.65%，证明了该方法的可行性。

针对并行BCH译码器的特点,采用异或门实现有限域上常系数乘法,从而降低硬件复杂度。先计算部分错误位置多项式,再根据仿射多项式和格雷码理论,进行逻辑运算得到剩余的错误位置多项式,从而减少了系统所占用的资源。在现场可编程门阵列(FPGA)开发软件ISE10.1上进行了时序仿真,验证了该算法时间和空间的高效性。

椭圆曲线点乘的实现速度决定了椭圆曲线密码算法（ECC）的实现速度。采用蒙哥马利点乘算法，其中模乘运算、模平方运算采用全并行算法，模逆运算采用费马·小定理并在实现中进行了优化，完成了椭圆曲线点乘的快速运算。采用Xilinx公司的Virtex-5器件族的XCV220T作为目标器件，完成了综合与实现。通过时序后仿真，其时钟频率可以达到40MHz，实现一次点乘运算仅需要14.9μs。

针对人脑组织结构的不确定性和模糊性，提出模糊Gibbs随机场聚类与二维直方图相结合的分割方法。该方法首先利用均值、方差及邻域属性对隶属度函数进行定义，并建立模糊Gibbs随机场；然后以模糊Gibbs随机场作为先验知识、最大后验概率为判别准则来确定每一个像素的类归属以及它属于该类的隶属度，同时用模糊类的质心来更新类中心；最后将类中心引入二维直方图方法中，找到每个类之间的各个阈值点对图像进行分割。通过实验表明该算法能够准确分割出各种脑组织，对噪声的鲁棒性、结果的准确性及平滑性相对于模糊C均值(FCM)算法都有了很大的提高。

针对2D Log-Gabor滤波器提取虹膜特征存在部分非有效特征点等问题，提出一种基于奇对称2D Log-Gabor的虹膜特征提取算法。采用奇对称2D Log-Gabor滤波器对虹膜纹理的相位和幅度信息在不同频率和方向进行分析，运用特征融合技术消除冗余信息，较好地解决了2D Log-Gabor滤波器提取虹膜特征存在的问题。实验表明,该算法在抗噪声和抗干扰中具有强鲁棒性，有较高的理论和实用价值。

从IP多媒体子系统(IMS)的安全机制入手，对IMS的注册认证流程做了详细分析，然后结合SIP协议的常见威胁，分析了在IMS中应用SIP漏洞实施攻击的可行性。以此为基础，利用注册劫持和服务器伪装的思想，提出了IMS中的一种双向监听威胁。利用Open SER实现IMS网络中CSCF的功能，搭建IMS网络仿真环境，在仿真环境中对双向监听进行仿真。仿真结果表明，双向监听威胁在IMS中是确实存在的。

提出了基于连续双边拍卖协议的复制优化策略，解决数据网格中复制优化策略难以适应数据高度自治性和动态性的问题。首先给出了双边拍卖机制的实现模型，接着给出了分布式的连续双边拍卖协议算法和基于零智慧增强学习的投标策略，最后使用Optorsim对模型和复制优化策略进行仿真。实验结果表明，该复制优化策略与基于单边拍卖的优化策略相比，具有较低的任务运行时间和网络有效占用率,较好的存储和计算资源利用率。

提出一种基于层叠分类器的快速相关跟踪算法。首先利用目标模板色彩分布信息对原始图像数据进行变换，锐化匹配相似度函数峰值，增强算法在复杂环境下的稳定性；然后提出了用平均灰度差和Harr型特征构造层叠分类器，分层刻画目标模板与搜索窗口在统计特征和局部特征上的相似性，并采用积分图快速计算特征，从而大幅度减少在非最优匹配点上的计算量，且特征计算与模板大小无关。大量实验结果表明，该算法大大降低了相关跟踪的时间复杂度，具有跟踪稳定、实时性强等特点。目前，以该算法为核心的实时目标跟踪系统对图像大小为320×240的视频序列内任意尺寸目标的平均处理速度达到20帧/s。

基于Apriori算法原理，提出一种有效的完全连接条件，在频繁2k-项集的集合L2k进行自身Apriori连接得频繁(2k+1)-项集的同时，自身完全连接产生未剪枝的候选4k-项集；对频繁(2k+1)-项集的集合L2k+1，直接对其项集进行完全连接产生未剪枝的候选(4k+2)-项集。改进的算法减少了连接的比较次数、迭代运算次数。实验表明该算法在保证无遗漏的情况下有效地提高了Apriori算法的挖掘速度。

复杂场景的背景建模、运动目标检测、运动目标所投射阴影的检测与抑制在智能监控、机器人视觉、视频会议等领域有着广泛的应用。在运动前景检测阶段，给出了一种改进的混合高斯算法进行场景的背景建模，根据各点像素值出现的混乱程度采取不同的高斯函数参数更新机制，缓解了混合高斯算法计算量大的问题。在运动目标的阴影检测与抑制中，提出了一种基于混合高斯的阴影抑制算法，该算法先利用阴影在HSV颜色空间的特点，判断被检测为运动前景的像素是否为疑似阴影，然后用混合高斯阴影模型对所有疑似阴影值进行聚类，进一步完成阴影抑制。仿真结果表明：该算法可更有效地抑制阴影对运动目标检测的影响，并具有较强的实时性。

目前，软件过程度量理论和方法还不够完善，而高效准确的过程定量管理是成功进行软件过程改进的保障，为此提出了一种结合层次分析（AHP）算法和统计过程控制（SPC）的软件过程度量新方法。方法遵循集成能力成熟度模型（CMMI）构架，从软件过程角度对软件项目进行度量。最后以实例证明本方法能有效支持软件过程的度量与改进。

提出了一种基于马氏距离的填充算法来估计基因表达数据集中的缺失数据。该算法通过基因之间的马氏距离来选择最近邻居基因，并将已得到的估计值应用到后续的估计过程中，然后采用信息论中熵值的概念计算最近邻居的加权系数，得到缺失数据的填充值。实验结果证明了该算法具有有效性，其性能优于其他基于最近邻居法的缺失值处理算法。