针对现有基于注意力机制的图像内容中文描述模型无法在关注信息不减弱和无缺失的条件下对重点内容进行注意力加强关注的问题，提出一种图像特征注意力与自适应注意力融合的图像内容中文描述模型。模型使用编解码结构，首先在编码器网络中提取图像特征，并通过图像特征注意力提取图像全部特征区域的注意力信息；然后使用解码器网络将带有注意力权重的图像特征解码生成隐藏信息，以保证关注信息不减弱、无缺失；最后利用自适应注意力的视觉哨兵模块对图像特征中的重点内容进行再次加强关注，从而更加精准地提取图像的主体内容。使用多种评价指标（BLEU、METEOR、ROUGEL和CIDEr）进行模型验证，将所提模型与单一基于自适应注意力和基于图像特征注意力的图像描述模型进行对比实验，该模型的CIDEr评价指标值分别提高了10.1%和7.8%；同时与基线模型NIC（Neural Image Caption ）以及基于自底向上和自顶向下（BUTD）注意力的图像描述模型相比，该模型的CIDEr评价指标值分别提高了10.9%和12.1%。实验结果表明，所提模型的图像理解能力得到了有效提升，其各项评价指标得分均优于对比模型。

同时定位与地图构建（SLAM）是机器人在未知环境实现自主导航的关键技术，针对目前常用的RGB-D SLAM系统实时性差和精确度低的问题，提出一种新的RGB-D SLAM系统，以进一步提升实时性和精确度。首先，采用ORB算法检测图像特征点，并对提取的特征点采用基于四叉树的均匀化策略进行处理，并结合词袋模型（BoW）进行特征匹配。然后，在系统相机姿态初始值估计阶段，结合P nP和非线性优化方法为后端优化提供一个更接近最优值的初始值；在后端优化中，使用光束法平差（BA）对相机姿态初始值进行迭代优化，从而得到相机姿态的最优值。最后，根据相机姿态和每帧点云地图的对应关系，将所有的点云数据注册到同一个坐标系中，得到场景的稠密点云地图，并对点云地图利用八叉树进行递归式的压缩以得到一种用于机器人导航的三维地图。在TUM RGB-D数据集上，将构建的RGB-D SLAM同RGB-D SLAMv2、ORB-SLAM2系统进行了对比，实验结果表明所构建的RGB-D SLAM系统在实时性和精确度上的综合表现更优。

如何从海量、嘈杂的微博文本流中及时发现负面情感突发话题对于突发事件的应急响应和处置至关重要，而传统的突发话题检测方法往往忽略了负面情感突发话题与非负面情感突发话题之间的区别，为此提出了一种面向微博文本流的负面情感突发话题检测（NE-BTD）算法。首先，将微博中的主题词对的加速度和负面情感强度变化率作为负面情感突发话题的判定依据；然后，利用突发词对的速度确定负面情感突发话题的窗口范围；最后，使用一种基于吉布斯采样的狄利克雷多项式混合模型（GSDMM）聚类算法得到窗口中负面情感突发话题的主题结构。在实验中将所提出的NE-BTD算法与已有的一种基于情感方法的话题检测（EBM-TD）算法进行对比，结果表明所提出的NE-BTD算法相较EBM-TD算法准确率和召回率至少提高了20%，并且可以至少提前40 min检出负面情感突发话题。

针对现有文本情感分析方法准确率不高、实时性不强以及特征提取不充分的问题，构建了双向长短时记忆神经网络和卷积神经网络（BiLSTM-CNN）的串行混合模型。首先，利用双向循环长短时记忆（BiLSTM）神经网络提取文本的上下文信息；然后，对已提取的上下文特征利用卷积神经网络（CNN）进行局部语义特征提取；最后，使用Softmax得出文本的情感倾向。通过与CNN、长短时记忆神经网络（LSTM）、BiLSTM等单一模型对比，所提出的文本情感分析模型在综合评价指标F1上分别提高了2.02个百分点、1.18个百分点和0.85个百分点；与长短时记忆神经网络和卷积神经网络（LSTM-CNN）、BiLSTM-CNN并行特征融合等混合模型对比，所提出的文本情感分析模型在综合评价指标F1上分别提高了1.86个百分点和0.76个百分点。实验结果表明，基于BiLSTM-CNN的串行混合模型在实际应用中具有较大的价值。

针对互联网中恶意域名攻击事件频发，现有域名检测方法实时性不强的问题，提出一种基于词法特征的恶意域名快速检测算法。该算法根据恶意域名的特点，首先将所有待测域名按照长度进行正则化处理后赋予权值；然后利用聚类算法将待测域名划分成多个小组，并利用改进的堆排序算法按照组内权值总和计算各域名小组优先级，根据优先级降序依次计算各域名小组中每一域名与黑名单上域名之间的编辑距离；最后依据编辑距离值快速判定恶意域名。算法运行结果表明，基于词法特征的恶意域名快速检测算法与单一使用域名语义和单一使用域名词法的恶意域名检测算法相比，准确率分别提高1.7%与2.5%，检测速率分别提高13.9%与6.8%，具有更高的准确率和实时性。

针对变形的奇异值分解（SVD++）算法的评分规则在模型训练和预测两个阶段的不一致问题和列表级矩阵因子分解（ListRank-MF）算法的Top-1排序概率在大量物品评分一样时排序概率一样的问题，提出一种结合物品流行度的列表级矩阵因子分解算法。首先，在评分规则中使用到的用户有过行为的物品集合中去除当前待评分物品；接着结合物品流行度改进Top-1排序概率；然后使用随机梯度下降算法求解目标函数并进行Top- N推荐。基于修正的SVD++评分规则，在MovieLens和Netflix数据集上比较了所提算法与目标函数为点级和列表级的SVD++算法。所提算法与列表级的SVD++算法相比，Top- N推荐准确率指标归一化折损累积增益（NDCG）值在MovieLens数据集上提高了5%~8%，在Netflix数据集上提高了1%左右。实验结果表明，所提算法能够有效提高Top- N推荐准确率。

Wi-Fi网络中常规的基于指纹匹配室内定位算法面临信号时变现象或人为干扰的影响，导致定位精度不高。为此，提出基于动态时间规整（DTW）距离相似性指纹匹配的Wi-Fi网络室内定位算法。首先，该算法将定位区域的Wi-Fi信号特征按照采样的先后顺序转化为时间序列类型指纹，通过计算Wi-Fi信号指纹动态时间规整距离的大小来获取定位点与样本点的相似性；然后，根据采样区域结构特征，将Wi-Fi信号指纹采集问题划分为三类基本的动态路径采样方式；最后，结合多种动态路径采样方式增加指纹特征信息的准确性和完整性，从而提高指纹匹配的准确性和定位精度。大量实验结果表明，较瞬时指纹匹配定位算法，所提算法误差范围在3m以内定位的累积错误率：路径区域匀速运动提高了10%，变速运动提高了13%；开放区域交叉曲线运动提高了9%，S型曲线运动提高了3%。所提算法在实际室内定位应用中能有效提高指纹匹配的准确性和定位精度。

手机内置加速度传感器坐标系固定于设备自身,其采集的数据因手机姿态的改变而不断发生漂移,受此影响即使同一运动过程,加速度数据也难以同前一个时刻保持一致。为解决该问题,提出利用空间坐标转换算法将加速度数据从手机坐标系映射至惯性坐标系,从而确保数据在手机任意姿态下均能准确反映实际的运动状态。为验证该方法的有效性,设计一种手机传感器数据在线采集与实时处理新方法,实现Matlab中数据动态特征的实时观测及算法性能的在线评估。利用此方法,在旋转实验中分别测试方向余弦与四元数两种算法的可行性,并在计步器实验中进一步测试四元数算法性能。实验结果表明,基于方向传感器数据的方向余弦算法因测量范围限制,不能实现全方位空间坐标转换;而基于旋转矢量传感器数据的四元数算法则能够实现全方位转换,且转换后的加速度对步态识别率达到95%以上,较准确地反映了实际运动状态。

现有的对抗全局窃听攻击的安全网络编码方案存在引入了带宽开销、导致了很高的计算复杂度的问题，为了降低带宽开销并且提升实际编码效率，提出了一种新的对抗全局窃听的安全网络编码方案。对于编码域大小为q的网络编码，该方案利用密钥生成两个长度为 q的置换序列，并利用置换序列对信源消息进行混合和替换，从而实现对抗全局窃听攻击。该方案只需在信源节点对信源消息进行加密，在中间节点不需作任何改变。由于该方案加密算法简单、编码复杂度低并且不需要预编码操作，因此该方案没有引入带宽开销且具有较高的实际编码效率。分析结果表明该方案不但可以抵抗唯密文攻击，对于已知明文攻击也有很好的抵抗效果。

为解决协同过滤推荐(CFR)算法中的数据量过大和数据稀疏性的问题,采用因子分析的方法对数据降维,并使用回归分析方法预测待评估值,既减少了数据量又最大限度保留了信息。该算法首先,采用因子分析的方法将用户和项目降维为若干用户因子和若干项目因子;然后,以目标用户为因变量,以用户因子为自变量建立一个回归模型,并且以待评价项目为因变量,以项目因子为自变量建立另一个回归模型,进而得到目标用户在待评项目上的两个预测值;最后,通过两者的加权得到最终的预测值。实验仿真证实了算法的可行性和有效性。实验结果表明,该算法比基于项目的协同过滤推荐算法在精确度上有所提高。

针对基于内容分发网络(CDN)技术的视频网格中中心与区域服务器存储系统的不同职能，分析了在不同影片数量规模和分布特征情况下，随着区域服务器相对存储容量的增加，本地服务率上升的规律，在本地服务率增长的临界点附近得出了较为经济的、以中心服务器存储容量为基准的区域服务器的相对存储容量，该容量兼顾了区域服务器本地服务率和存储系统的硬件投资，能够为实际视频网格的建设提供参考。

在地理位置路由协议中，周期性信标交换协议(Hello协议)被广泛地用于构建和维护邻居节点表。然而在高度动态的网络环境中，邻居表中会存在很多过期节点，这将导致大量的重传，严重影响路由协议性能。为提高邻居表的准确性，提出一种两跳信标交换协议(T-Hello协议)，通过掌握两跳范围内的节点位置信息，节点可以显式地感知邻居节点是否已移出通信范围，以便及时将过期节点从邻居表中删除，而不必等到超时。通过分析各种网络条件(节点密度、交换周期、节点移动速度、通信半径等)对新协议性能的影响，表明对于GPSR协议， T-Hello协议能够缩短过期节点50%左右的存在时间，从而有效地改善了路由效果。

针对实时操作系统的开销导致应用程序可执行性降低的问题，提出了基于FPGA的硬件实时操作系统设计方案，实现了μC/OS-Ⅱ任务管理模块的硬件化。采用FPGA片内寄存器实现等待任务列表，并设计了相应的硬件电路访问该表，节省了系统由于频繁访存而浪费的时间。通过设计基于片内寄存器的TCB及基于组合电路的任务调度器，充分发挥了多任务潜在的并行性。整个设计采用VHDL，通过ISE 8.2软件时序仿真验证。仿真结果表明，利用硬件实现减少了任务运行时间，使其在一些实时性要求较高的场合得到应用成为可能。

提出了一种基于四边形网格的可调细分曲面造型方法。该方法不仅适合闭域拓扑结构，且对初始网格是开域的也能进行处理。细分算法中引入了可调参数，增加了曲面造型的灵活性。在给定初始数据的条件下，曲面造型时可以通过调节参数来控制极限曲面的形状。该方法可以生成C1连续的细分曲面。试验表明该方法生成光滑曲面是有效的。

将双参数四点细分曲线方法进行推广，提出了基于双参数四点细分法的曲面造型方法，并对其收敛性进行了分析。该方法通过对两个参数的适当调节能够较容易地控制极限曲面的形状，极限曲面能够达到C4连续，可以应用到对曲面的连续性要求较高的曲面造型中去。在给定初始数据的条件下，可通过对形状参数的适当选择来实现对极限曲面的形状调整和控制，试验表明该算法生成光滑曲面是有效的。