为了拓展增强现实（AR）的实用性，提出一种基于时间心理视觉调制（TPVM）技术和数字相机来实现AR效果的方法。首先将AR中的标记嵌入数字屏幕的媒体内；然后利用人眼识别感知与数字相机拍摄图像形成在数字屏幕或者投影仪上原理的差异，使用数字相机设备获取数字屏幕图像内人眼不易察觉的AR标记；最后在获取标记的智能设备中显示AR效果。仿真结果显示，将数字相机与TPVM技术相结合，能够很好地将AR标记隐藏在影像中，同时人眼无法察觉，而数字相机则能准确地识别AR标记并实现AR效果。通过手机替代3D眼镜等额外设备，降低了AR的使用限制，拓展其实用性。

针对垃圾网页检测过程中轻微的不平衡分类问题，提出三种随机欠采样集成分类器算法，分别为一次不放回随机欠采样（RUS-once）、多次不放回随机欠采样（RUS-multiple）和有放回随机欠采样（RUS-replacement）算法。首先使用其中一种随机欠采样技术将训练样本集转换成平衡样本集，然后对每个平衡样本集使用分类回归树（CART）分类器算法进行分类，最后采用简单投票法构建集成分类器对测试样本进行分类。实验表明，三种随机欠采样集成分类器均取得了良好的分类效果，其中RUS-multiple和RUS-replacement比RUS-once的分类效果更好。与CART及其Bagging和Adaboost集成分类器相比，在WEBSPAM UK-2006数据集上，RUS-multiple和RUS-replacement方法的AUC指标值提高了10%左右，在WEBSPAM UK-2007数据集上，提高了25%左右；与其他最优研究结果相比，RUS-multiple和RUS-replacement方法在AUC指标上能达到最优分类结果。

为解决垃圾网页检测过程中的“维数灾难”和不平衡分类问题，提出一种基于免疫克隆特征选择和欠采样（US）集成的二元分类器算法。首先，使用欠采样技术将训练样本集大类抽样成多个与小类样本数相近的样本集，再将其分别与小类样本合并构成多个平衡的子训练样本集；然后，设计一种免疫克隆算法遴选出多个最优的特征子集；基于最优特征子集对平衡的子样本集进行投影操作，生成平衡数据集的多个视图；最后，用随机森林（RF）分类器对测试样本进行分类，采用简单投票法确定测试样本的最终类别。在WEBSPAM UK-2006数据集上的实验结果表明，该集成分类器算法应用于垃圾网页检测：与随机森林算法及其Bagging和AdaBoost集成分类器算法相比，准确率、F1测度、AUC等指标均提高11%以上；与其他最优的研究结果相比，该集成分类器算法在F1测度上提高2%，在AUC上达到最优。

为解决垃圾网页检测过程中的不平衡分类和"维数灾难"问题,提出一种基于随机森林(RF)和欠采样集成的二元分类器算法。首先使用欠采样技术将训练样本集大类抽样成多个子样本集,再将其分别与小类样本集合并构成多个平衡的子训练样本集;然后基于各个子训练样本集训练出多个随机森林分类器;最后用多个随机森林分类器对测试样本集进行分类,采用投票法确定测试样本的最终所属类别。在WEBSPAM UK-2006数据集上的实验表明,该集成分类器算法应用于垃圾网页检测比随机森林算法及其Bagging和Adaboost集成分类器算法效果更好,准确率、F1测度、ROC曲线下面积(AUC)等指标提高至少14%,13%和11%。与Web spam challenge 2007 优胜团队的竞赛结果相比,该集成分类器算法在F1测度上提高至少1%,在AUC上达到最优结果。