葡萄品种质量检测需要识别多类别的葡萄，而葡萄图片中存在多种景深变化、多串等多种场景，单一预处理方法存在局限导致葡萄识别的效果不佳。实验的研究对象是大棚中采集的15个类别的自然场景葡萄图像，并建立相应图像数据集Vitis-15。针对葡萄图像中同一类别的差异较大而不同类别的差异较小的问题，提出一种基于卷积神经网络（CNN）的多尺度葡萄图像识别方法。首先，对Vitis-15数据集中的数据通过三种方法进行预处理：旋转图像的数据扩增方法、中心裁剪的多尺度图像方法以及前两种方法的数据融合方法；然后，采用迁移学习方法和卷积神经网络方法来进行分类识别，迁移学习选取ImageNet上预训练的Inception V3网络模型，卷积神经网络采用AlexNet、ResNet、Inception V3这三类模型；最后，提出适合Vitis-15的多尺度图像数据融合的分类模型MS-EAlexNet。实验结果表明，在同样的学习率和同样的测试集上，数据融合方法在MS-EAlexNet上的测试准确率达到了99.92%，相较扩增和多尺度图像方法提升了近1个百分点，并且所提方法在分类小样本数据集上具有较高的效率。

平面波赝势密度泛函（PWP-DFT）计算是材料计算中应用最广泛的方法,其中映射计算是PWP-DFT方法求解自洽迭代中重要的一部分。针对映射势能计算成为软件加速的瓶颈，提出了针对该部分的图形处理器(GPU)加速算法，其中考虑GPU的特点:1）使用了新的并行机制求解非局部映射势能；2）重新设计了数据分布结构；3）减少内存的使用；4）提出了一种解决算法中数据相关问题的方法。最终获得了18~57倍加速，使每步分子动力学模拟最终降为12s。详细分析了该模块在GPU平台上的测试时间，同时对该算法在GPU集群上的计算瓶颈进行了讨论。

针对内插阵列变换(VIA)思想在非圆信号波达方向(DOA)估计算法中的应用问题，提出一种基于内插阵列变换的扩展传播算子实值算法——VIA-EPM实值算法。利用真实阵列流型与虚拟阵列流型之间的变换矩阵，将真实阵列输出转换为虚拟阵列输出，再根据信号源为实数的特点，分别求取虚拟阵列输出的实部和虚部，将其串联组合，扩展阵列输出的维数，通过对扩展阵列输出矩阵进行分块并得出扩展传播算子，进而得到一种传播算子(PM)类的DOA估计算法。仿真实验表明：存在阵元位置误差的情况下，VIA-EPM实值算法通过对阵元位置校准数据进行内插阵列变换，取得与阵元位置校准的扩展传播算子实值算法(EPM实值算法)相当的估计性能，保持了阵列扩展能力、高估计精度以及高分辨力；并且在二维阵元位置误差情况下，其估计性能明显优于阵元位置未校准的EPM实值算法。结合VIA-EPM实值算法的计算复杂度分析可以看出：它同时获得了内插阵列变换技术以及信号非圆特性的优势;与复运算相比，其复杂度也相对降低。

基于切延迟的椭圆反射腔系统(TD-ERCS)是一类为混沌加密而设计的混沌系统，虽然其具有全域混沌等优良的加密特性，但TD-ERCS包含大量的可能导致弱密钥的短周期轨道，对这些短周期轨道进行功率谱分析与Lyapunov计算，发现m=0时周期轨道是稳定的，m≥1时周期轨道是不稳定的，且这种不稳定性不依赖参数μ的选取，切延迟操作使得TD-ERCS系统从有序走向混沌，表明TD-ERCS在混沌加密中不会存在稳定的短周期轨道所导致的弱密钥。

将混合进化算法引入图数据挖掘,避免了陷入局部极值问题,提高了解的质量。在此基础上提出了一种基于单标签扩展的子结构扩展方法,该方法可以减少进化过程中图同构操作执行的次数。在典型数据集上的仿真实验和理论证明表明了该方法的高效性和正确性。

在研究了通用交叉认证模型的基础上，针对网状信任模型路径构造复杂问题，提出了基于引入代理机制的互操作模型，在不使用第三方的情况下实现了网状模型和树状层次模型的互连,在一定程度上弥补了桥接认证中心（CA）的不足。采用分段的多路径证书路径构造方法，提高了路径构造效率,并通过例子对路径构造算法的效率进行了分析验证。