针对传统基于形态特征的心电检测算法存在特征提取不准确和高复杂性等问题，提出了一种多层的长短时记忆（LSTM）神经网络结构。结合传统LSTM模型在时序数据处理上的优势，该模型增加了反向和深度计算，避免了人工提取波形特征，提高了网络的学习能力。通过给定心拍序列和分类标签进行监督学习，然后实现对未知心拍的心律失常检测。通过对MIT-BIH数据库中的心律失常数据集进行实验验证，模型的总体准确率为98.34%。相比支持向量机（SVM），该模型的准确率和F1值均有提高。

为解决现有标签数量估计算法中估计精度与复杂度之间的矛盾，在分析比较现有算法的基础上，提出一种基于序贯线性贝叶斯的射频识别（RFID）标签数量估计算法。首先，基于线性贝叶斯理论，充分利用空闲、成功和碰撞时隙数量观测值及相关性，建立了标签数量估计问题的线性模型；然后，推导了标签数量估计值的闭式表达式，给出了表达式各阶统计量的序贯式求解方法；最后，对序贯式贝叶斯算法的计算复杂度进行了分析和对比。仿真结果表明，所提算法通过序贯贝叶斯方法提高了估计精度和识别效率，当观测时隙数为帧长一半时估计误差仅为4%。该算法以线性解析式形式更新标签数量估计值，避免了穷举搜索，与高精度的最大后验概率和马氏距离算法相比，计算复杂度由 O（ n ²）和 O（ n）下降为 O（1）。经理论分析和仿真验证，基于序贯线性贝叶斯的RFID标签数量估计算法兼具高精度和低复杂度的特性，能很好地满足硬件资源受限应用场景下对标签数量的估计需求。

针对通信网络告警预测中预测精度不高、模型训练效率较低等缺陷，提出告警权值确定方法和基于自然序树（Can-tree）的加权增量关联规则挖掘的通信网络告警预测方案。首先，对告警数据进行预处理，确定告警数据权值并压缩到Can-tree结构中；其次，应用增量关联规则挖掘算法对Can-tree进行挖掘，生成告警关联规则；最后，使用模式匹配的方法对实时告警信息进行预测，并对结果进行优化整理。实验结果表明，基于Can-tree的加权增量关联规则挖掘算法是高效的，利用前次挖掘的结果和信息提高了挖掘的效率，网络告警数据的权值分配方案能够合理地区分告警数据的重要程度，有助于将重要程度高的告警关联规则挖掘出来，并加快过时告警关联规则的淘汰，提高预测的准确度和精度。

针对尺度不变特征变换(SIFT)算法中描述子维度高造成配准过程中计算量过大的问题，提出了一种改进的SIFT算法。该算法利用圆形的旋转不变性，以特征点为中心，在近似大小的圆形特征点邻域内构造特征描述子，以每个圆环作为一个子环，每个子环内只有像素位置发生了改变，像素之间其他相对信息是保持不变的。当图像发生旋转时，统计每个圆环内元素的梯度累加值进行排序，生成特征向量描述子，降低了算法的维度及复杂度，把特征描述子的维数从128维降低到48维。实验结果表明，改进算法旋转配准重复率在85%以上；在图像旋转、缩放和光照变化情况下，与SIFT算法相比，平均配准准确率提高5%，平均配准耗时降低30%左右，有效实现了对SIFT的改进。

为了改善深空探测中共焦面阵列馈电抛物反射面天线的可视范围，提出一种基于遗传算法的扫描波束综合方法。基于物理光学法计算共焦面馈电阵中每个馈源照射反射面的次级远场方向图，利用遗传算法优化得到的权值对各次级方向图加权合成期望的波束。仿真和分析结果表明：提出的基于遗传算法的共焦面阵列馈电反射面方向图综合与传统共轭场匹配方法相比，可控制旁瓣电平,更精确综合出期望方向图，扩大深空探测天线的可视范围。

目前基于模型的Web用户界面(UI)研究中缺乏对复杂行为的模型设计和开发方法，极大地限制了此类方法的工程化应用。针对此问题，提出了一种形式化的Web界面行为描述语言，对基于Web的用户界面中的复杂行为建模，实现了行为模型的代码自动生成。实验表明，本方法在Web用户界面设计的开发过程中具有极大的灵活性，提高了界面设计模式的复用性。