深度学习在缺陷检测方面具有优越性能，然而在工业应用过程中由于缺陷概率低，无缺陷图像的检测过程占据了大部分计算时间，严重限制了整体上的有效检测速度。针对上述问题，提出一种基于级联网络的型钢表面缺陷检测算法SDNet。该算法分为两个阶段：预检阶段和精检阶段。预检阶段采用基于深度可分离卷积（DSC）以及多尺度并行卷积的轻量化ResNet预检网络，判断型钢表面图像是否存在缺陷；精检阶段以YOLOv3作为基准网络对图像中的缺陷进行准确分类与定位，并在主干特征提取网络以及预测分支中引入改进空洞空间金字塔池化（ASPP）模块以及对偶注意力模块，以提升网络的检测性能。实验结果表明，SDNet在1 024像素×1 024像素图像上的检测速度达到每秒120.63帧，准确率达到92.1%。与原YOLOv3算法相比，所提算法的检测速度是原YOLOv3算法的3.7倍，检测精度提高了10.4个百分点，可应用于型钢表面缺陷的快速检测。

为了解决由于型钢表面缺陷形态多样、微小缺陷众多所带来的检测效率低与检测精度差的问题，提出一种基于可变形卷积与多尺度-密集特征金字塔的型钢表面缺陷检测算法——Steel-YOLOv3。首先，使用可变形卷积代替Darknet53网络部分残差单元的卷积层，从而强化特征提取网络对型钢表面多类型缺陷的特征学习能力；其次，设计了多尺度-密集特征金字塔模块：在原有YOLOv3算法的3层预测尺度上增加1层更浅层的预测尺度，再对多尺度特征图进行跨层密集连接，从而增强对密集微小缺陷的表征能力；最后，针对型钢缺陷尺寸分布特点，使用K-means维度聚类方法优化先验框尺寸并将先验框平均分配到4个对应预测尺度上。实验结果表明：Steel-YOLOv3算法具有89.24%的检测平均精度均值（mAP），与Faster R-CNN（Faster Region-based Convolutional Neural Network）、SSD（Single Shot MultiBox Detector）、YOLOv3和YOLOv5算法相比分别提高了3.51%、26.46%、12.63%和5.71%，且所提算法显著提升了微小剥落缺陷的检出率。另外，所提算法的每秒检测图像数量达到25.62张，满足实时检测的要求，可实际应用于型钢表面缺陷的在线检测。

铁氧体磁瓦由于形状的不规则性和表面缺陷的多样性给基于计算机视觉的表面质量识别带来很大的挑战。针对该问题，将深度学习技术引入到磁瓦表面质量识别中，提出一种基于卷积神经网络的磁瓦表面质量识别系统。首先将磁瓦目标从采集到的图像中分割出来并进行旋转从而得到标准图像，然后把改进后的多尺度ResNet18作为骨干网络来设计识别系统。训练时，设计一种新颖的类内mixup操作来提高系统对样本的泛化能力。为了更加贴近实际应用场景，在考虑到光线变化、姿态差异等因素的前提下构建了磁瓦缺陷数据集。在自建的数据集中进行实验的结果表明，该系统可以达到97.9%的识别准确率，为磁瓦缺陷的自动识别提供了可行的思路。

针对传统水流加热仿真中交互困难与效率低下的问题，提出一种基于光滑粒子流体动力学(SPH)的热运动仿真方法，旨在交互式控制水流加热变化过程。首先，基于SPH方法将连续水流粒子化，以粒子群模拟水流的运动，并通过碰撞检测方法将粒子运动限定在容器内；然后，采用第一类边界条件的热传导模型加热水粒子，并根据粒子的温度更新粒子的运动状态，以模拟加热过程中水流的热运动；最后，定义可编辑的系统参数与约束关系，通过人机交互仿真多种条件下水流加热及其运动过程。以太阳能热水器加热仿真为例，通过修改少量参数控制热水器的加热工作验证了SPH方法求解热传导问题时的交互性与高效性，为交互式水流加热在其他虚拟场景的应用提供了便利。

针对可视图（VG）算法存在噪声鲁棒性差的问题，提出一种改进的有限穿越可视图（LPVG）建网方法。该算法基于可视图（VG）算法的可视性准则，并设定有限穿越视距，将时间序列中满足条件的点连接起来，从而将时间序列映射为网络。首先，对LPVG算法进行性能分析；然后，将LPVG算法结合功率谱密度（PSD）算法应用到癫痫发作前、中、后脑电信号的识别上；最后，提取三种状态下癫痫脑电信号的LPVG网络特征参数，研究癫痫对网络拓扑结构的影响。仿真结果表明，与VG和水平穿越可视图（HVG）相比，虽然LPVG算法的时间复杂度较高，但是LPVG对信号中的噪声具有较强的鲁棒性：分别对周期、随机、分形和混沌四种时间序列进行LPVG建网，发现随着噪声强度增大，LPVG网络聚类系数的波动率均为最低，分别为6.73%、0.05%、0.99%和3.20%。接下来对脑电信号的PSD和LPVG建网分析结果表明，癫痫发作中，PSD值在delta频带下显著增强，而在theta频带下显著降低；LPVG网络拓扑结构有所改变，网络中各模块的独立性有所提高，网络的平均路径长度增大，复杂度降低。所提的功率谱密度和有限穿越可视图算法能够有效表征癫痫前、中、后三种状态下的脑电信号能量分布和单通道信号可视化后的网络拓扑结构的异常，为癫痫的病理研究和临床诊断提供帮助。

针对异构集群任务推测式执行算法存在的任务进度比例固定、落后任务被动选取等问题,提出基于快慢节点集计算能力差异的自适应任务调度算法。该算法量化节点集计算能力差异实现分集调度,并通过节点与任务速率的动态反馈及时更新快慢节点集,提高节点集资源利用率与任务并行度。在两节点集中,利用动态调整任务进度比例判别落后任务,主动选择采用替代执行方式为落后任务执行备份任务的快节点,从而提升任务执行效率。与最长近似结束时间(LATE)算法的实验对比结果表明,该算法在短作业集、混合型作业集、出现节点性能下降的混合型作业集执行时间上比LATE算法分别缩短了5.21%、20.51%、23.86%,启用的备份任务数比LATE算法明显减少。所提算法可使任务主动适应节点差异,在减少备份任务的同时有效提高作业整体执行效率。

对于手写字符识别过程中相似字符较多且相同字符存在大量不规则书写变形的问题,提出一种改进的仿射传播聚类算法加入手写字符识别过程中。该算法基于原始仿射传播(AP)聚类算法,将其与聚类评判函数Silhouette结合,通过AP算法迭代过程自适应地改变偏向参数以调整类别数,并且结合每次聚类质量得到最优聚类结果。基于手写汉字识别的实验结果表明,加入了原始AP算法的识别率比传统识别过程得到的识别率总体提高1.52%,而加入改进AP算法的识别率又比加入原始AP算法的识别率总体提高了1.28%。该实验结果验证了加入聚类算法于手写字符识别过程的有效性,而改进AP算法相比原始AP算法在收敛性和聚类质量上都有一定的提高。

针对传统差值扩展存在过分修改像素值、须嵌入定位图等缺陷，提出了一种新的彩色图像可逆数据隐藏算法。首先利用色彩分量之间的相关性减小差值，并根据扩展方向和差值的符号，用较小的差值扩展量修改部分色彩分量的像素值，扩展方向由可能产生上溢和下溢的像素数量决定;其次采用单向像素值调整的方法避免像素值溢出，并用少量的调整信息代替定位图，嵌入容量大幅提高;最后改进差值直方图平移技术控制嵌入容量和图像失真。提取端根据临界像素值的顺序定位调整的像素位置，用调整信息恢复调整的像素值，在提取信息的同时可无损地恢复原始图像。实验结果表明，所提出的算法在大幅提高嵌入容量的同时，仍能保持较高的图像质量。

在多目标优化领域，如何快速地为决策者提供合理、可行的解决方案尤为重要,为此，给出了多目标优化问题的一种新解法。定义了一种Pareto-ε优胜关系的概念，将此概念引入多目标优化问题中，设计了一种新的基于ε-优胜的自适应快速多目标演化算法。计算机仿真表明，该算法可以明显改善求解多目标优化问题时的寻优过程，能适应实际应用环境下快速、有效的决策要求。

将差值扩展技术应用于彩色图像，提出一种基于预测误差差值扩展和最低有效位（LSB）替换的彩色图像可逆数据隐藏算法。针对传统差值扩展技术存在过分修改像素灰度值、定位图偏大等缺点，首先利用色彩分量间的相关性减小差值，并将差值扩展量分散到两个色彩分量中;其次，改变差值扩展公式以减少不可扩展差值的数量，提高定位图的压缩率，从而增加嵌入容量;最后，运用LSB替换法嵌入数据，将差值扩展与数据嵌入过程分离，嵌入端和提取端均只需进行一次差值扩展，嵌入和提取效率得以提高。提取端在提取信息时可根据需要无损地恢复原始图像。实验结果表明，该算法在提高嵌入容量和图像质量的同时降低了算法复杂度。

针对有约束条件的多目标优化问题，提出了一种求解带约束的基于内分泌思想的多目标粒子群算法。利用不可行度方法和约束主导原理指导进化过程中精英种群的选择操作和约束条件的处理，根据生物体激素调节机制中促激素和释放激素间的相互作用原理，考虑当前非劣解集中的个体对其最邻近的一类群体的监督控制，引入当前粒子的类全局最优位置来反映其所属类中最好位置粒子对当前粒子的影响。为验证多目标约束优化算法的有效性，对两个典型的多目标优化问题进行了仿真实验，仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解。

针对Tian差值扩展技术存在过分修改像素值、定位图较大等缺点，提出一种基于分段差值扩展的彩色图像可逆数据隐藏算法。利用色彩分量之间的相关性减小差值，并将较小的差值扩展量分散到两个色彩分量中，采用分段差值扩展和位平面替换的方法嵌入数据，从而减少不可扩展差值的数量，提高定位图的压缩率，根据差值次低位平面的可改变性定位不可变差值，从而提高嵌入容量。提取端在提取信息后可根据需要无损地恢复原始图像。实验结果表明，该算法在保证图像质量的同时，嵌入容量有较大的提高。

结合石油钻井工程的实际情况，依据钻井过程的监测参数，设计了利用神经网络进行知识获取、专家系统进行事故诊断的钻井工程事故智能诊断系统。通过神经网络对钻井复杂问题实例的不断学习训练，获得用于智能诊断的知识，完成对事故发生可能性的初步诊断。经过专家系统的进一步启发式反向推理验证事故是否存在，给出最后确诊，以此监控钻井参数，指导钻井参数调整的实施。应用实例结果表明，该智能诊断系统应用于钻井事故诊断是有效的，对减少钻井事故的发生与发展具有重大的实际应用价值。

首先对规则数据库存在冲突的情况进行处理，生成了无冲突的规则数据库。然后基于层次智能切割算法，同时构造无冲突的哈希函数，提出了一种新的IP分类算法，即基于层次智能切割和无冲突哈希算法( HICNCH),并且提出利用最小二乘法改进了层次智能切割树分割域的判定准则，使分割更加高效。通过与经典算法的各项指标的比较，论证了该算法具有较小时间复杂度和空间复杂度，综合性能有了较大提高。

传感器网络中有必要使用加密技术对节点间的通信进行保护。基于传感器ID的密钥管理方案采用二元多项式，实现了包括密钥分配，密钥更新和对传感器被破坏的检测等功能，被破坏的密钥能够自动恢复，同时减少了对内存和计算能力的要求，更能适应传感网络的环境。

根据中国电信CA中心的数字证书存储介质规范、加解密标准和国际通用的智能卡加密标准PKCS11,结合国内各智能卡厂商的产品特点,提出了基于CTCA的智能卡协调管理器,它能够屏蔽不同智能卡访问接口的差异,为基于CTCA的应用提供了统一的智能卡访问接口,并给出了协调管理器模型的设计以及具体实现思路。