针对多规则有序决策系统中的偏好决策问题，根据有序决策的偏好不一致特性，提出了一种基于偏好不一致熵的偏好决策方法。首先，定义了样本的偏好不一致熵（PIEO），用来度量特定样本相对于样本集的偏好不一致程度；然后，根据偏好决策中不同属性对决策的重要性不同的特点，提出了一种加权的样本偏好不一致熵，并结合属性偏好不一致熵在度量属性重要性方面的能力，给出了一种基于属性偏好不一致熵的权值的计算方法；最后，提出了一种基于样本偏好不一致熵的偏好决策算法。采用Pasture Production和Squalsh两个数据集进行仿真实验，基于全局偏好不一致熵分类后，各属性的偏好不一致熵普遍比基于向上和向下偏好不一致熵分类后的熵值小，而且更接近原始决策的偏好不一致熵，这说明基于全局偏好不一致熵的分类比其他两种情况的分类效果好。分类偏离度最小低至0.1282，这说明分类的结果比较接近原始决策。

为了研究Zodiac算法抵抗碰撞攻击的能力,根据算法的一个等价结构,分别给出了Zodiac算法的两个8轮和9轮区分器。通过在此区分器前后加适当的轮数,首先,利用9轮区分器对12轮到16轮的算法进行了碰撞攻击,其攻击的数据复杂度分别为215,231.2,231.5,231.7,263.9,时间复杂度分别为233.8,249.9,275.1,2108,2140.1;其次,利用8轮区分器对全轮算法进行了攻击,其攻击的数据复杂度和时间复杂度分别为260.6和2173.9。结果表明:全轮的Zodiac-192/256算法均不能抵抗碰撞攻击。

扼要分析目前针对标签防碰撞问题采用的防碰撞算法优缺点的基础上，基于跳跃式动态搜索(JDS)算法的思想，提出了一种新颖的JDS标签防碰撞算法。算法将栈思想引入到新的跳跃式策略前后搜索中，避免出现空闲时隙。在读写器问询时，利用标签反馈信息记忆部分已知信息，采用不定长动态传输方式及调整策略识别标签的未知数据位，减少了读写器搜索次数及系统传输量。算法仿真结果表明，系统传输量大大减少，吞吐量有明显提高。

针对测地线主动轮廓(GAC)模型进行了改进,提出了一种基于区域的GAC模型。通过构造基于区域统计信息的符号压力函数取代边界停止函数,有效解决了弱边界目标或离散状边界目标的分割问题。该模型采用二值化水平集方法实现，避免了传统实现方法水平集函数需要重新初始化为符号距离函数，从而导致稳定性差、计算量大、实现复杂等缺点。对不同类型图像的试验结果表明：该算法迭代收敛速度比GAC模型传统实现方法明显加快，且可有效防止边界泄漏，分割效果优于传统GAC模型与C-V模型。

鉴于遥感影像GeoTIFF研究过程中对地理信息的需求,提出了基于World Wind的GeoTIFF显示方案。在对World Wind分层显示进行深入研究的基础上,采用添加GeoTIFF图层的方式显示影像数据和设置影像alpha值的方式透视影像覆盖区域的地表特征。实验证明该方案能够快速地显示GeoTIFF影像,能方便地查看GeoTIFF覆盖区域的地表特征。

针对指纹图像具有局部平行性和渐变性以及邻域的脊线方向相关性高的特点，提出了一种基于加权平均梯度的指纹方向场算法。改进了传统的Poincare Index指纹奇异点检测算法。实验证明，在采用加权平均梯度算法获取的方向场上利用改进的Poincare Index算法可实现对低质量指纹图像的奇异点的准确提取。