针对复杂情况下肺实质的分割问题,提出了一种基于Random Walk算法对肺实质自动分割的方法。首先,根据胸部组织解剖学及其计算机断层扫描(CT)图像的影像学特征,在肺实质及其周围组织分别确定目标区域种子点和背景种子点位置;然后,使用Random Walk算法对CT图像进行分割,提取近似肺区域的掩模;接下来,对掩模实施数学形态学运算,来进一步调整目标区域种子点和背景种子点的标定位置,使其适合具体的复杂情况;最后,再次使用Random Walk算法分割图像,得到最终的肺实质分割结果。实验结果显示,该方法与金标准的平均绝对距离为0.44±0.13 mm,重合率(DC)为99.21%±0.38%。与其他分割方法相比,该方法在分割精度上得到了显著提高。结果表明,提出的方法能够解决复杂情况下肺实质分割的问题,确保了分割的完整性、准确性、实时性和鲁棒性,分割结果和时间均可满足临床需求。

针对肺部微小结节难于识别的问题，提出用聚类算法分析肺部感兴趣区域(ROI)的方法。为进一步提高运行速度和识别率，提出全权模糊聚类算法PWFCM，给每个样本及其特征分别赋予权值并引入新的隶属度约束改进收敛性；利用二次聚类策略降低不均衡ROI数据造成的低敏感度。对实际CT影像数据进行测试，实验结果表明：该聚类分析具有高敏感度和低假阳性率，能有效地检测出肺结节。

针对时变自回归滑动平均(TVARMA)模型参数谱估计容易出现谱峰漂移的问题,提出一种基于组合目标函数和遗传算法的TVARMA模型参数估计方法,并将之应用于飞行器结构响应序列的谱估计。首先,通过长自回归方法和增广最小二乘方法获得TVARMA模型参数初始估计值;其次,依据连续函数极值条件推导模型参数的频域约束条件并结合罚函数方法构造组合目标函数;最后,采用遗传算法对模型参数进行优化获得使组合目标函数最小的参数值作为TVARMA模型参数的最优估计。应用结果表明:该方法可以克服谱峰漂移现象,提高模型在时域和时频域的建模精度。

对分布式流数据中频繁项的发现算法进行了研究，利用一种新颖的分布式概要算法(DSA)来发现从叶子节点直至根节点的概要结构，通过在不同的分布状态下设置相应的精确梯度来最小化通信负载，并利用真实数据集验证了该结构和算法的有效性。

提出了一个新颖的方案来概要和索引分布式数据流，通过采用离散小波变换在线提取数据流特征，并插入到高维索引结构序列中，来减少维护索引结构所需的开销。实验表明该方法在分析模式和相关性检测上改进了查询精度和响应时间。