针对卷积神经网络的标量神经元无法表达特征位置信息，对复杂的车辆行驶环境适应性差，导致交通标志识别率低的问题，提出一种基于胶囊网络的智能交通标志识别方法。首先采用超深度卷积神经网络改进特征提取部分，然后在主胶囊层引入池化层，最后采用移动指数平均法改进了动态路由算法。在GTSRB数据集上的测试结果表明，改进后的胶囊网络方法在特殊场景下的识别精度提高了10.02个百分点，相对于传统的卷积神经网络，该方法的单张图片的识别时间缩短了2.09 ms。实验结果表明，改进后的胶囊网络方法能满足准确、实时的交通标志识别要求。

为了充分利用图像信息以提高现有交通监控下车型分类的效果，在胶囊网络的基础上增加梯度直方图卷积（HOG-C）特征提取方法，提出HOG-C特征的胶囊网络模型——HOG-C CapsNet。首先，使用梯度统计特征提取层对图像中的梯度信息进行统计，构建方向梯度直方图（HOG）特征图；其次，使用卷积层提取出图像的颜色信息，把提取出的颜色信息与HOG特征图融合构成HOG-C特征图；最后，输入卷积层提取HOG-C特征图的抽象特征，并通过胶囊网络对提取的抽象特征进行具有三维空间特征表达的胶囊封装，使用动态路由算法实现车型分类。在BIT-Vehicle数据集上对该模型和其他相关模型进行的对比实验中，该模型得到98.17%的准确率、97.98%的平均精确率均值（MAP）、98.42%的平均召回率均值（MAR）和98.20%的综合评价指标。实验结果表明，该模型在交通监控下的车型分类上具有更好的效果。

针对煤矿井下存在大量煤尘、水雾导致获取的视频图像伴有大量的噪声、分辨率低、模糊的问题,提出了一种基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法.基于暗原色先验理论,采用自适应双边滤波代替softmatting过程来求取精细透射率图,并根据煤矿井下特殊环境,从新的角度求取全球大气光值、粗略透射率图,并根据图像退化模型实现图像的去噪.实验结果表明,对于分辨率为1024×576的图像处理时间为1.9s,与He算法(HE K, SUN J, TANG X. Single image haze removal using dark channel prior. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011,33(12):1-13.)相比,运行效率提高了5倍.与直方图均衡法等算法相比,所提算法有效增强了图像细节、边缘,整体上更加适合人类视觉和视频监控的要求.

目前的Web服务发现方法，由于没有充分利用用户情境信息，导致在服务发现时间和结果准确率方面存在不足。首先对包括当前用户在内的情境相似的用户进行了聚类，缩小了服务发现的范围；然后，在此基础上利用当前用户偏好信息及情境相似的历史用户感知到的候选服务的QoS数据，给出了一种基于历史用户QoS感知的Web服务发现方法，包括候选服务的QoS数据获取和综合权重计算；最后，结合实验并与其他Web服务发现方法进行比较，证明了该方法在服务发现结果的准确率和时间效率方面均有了一定的提升。

以时间代价作为目标函数，针对复杂网络的优化问题进行研究，给出了目标评价函数模型的建立过程，提出了基于改进的A*算法求解复杂网络中最短K条路径问题的算法，并以城市交通为例，对算法进行了验证。实验结果表明所提出的算法可适用于一般多重图中最短K条路径问题的快速求解，具有广泛的应用价值。

给出了城市公交查询系统的空间数据结构。在Dijkstra算法的基础上,借助人工智能中状态空间搜索和动态截枝的思想,提出了状态空间搜索求第K最短路径的智能搜索算法。该算法能对所查询的交通路线与乘车方案等用电子地图的形式给予显示,并更换不同城市的地图。测试表明,该系统具有速度快、多媒体显示、维护方便、通用性强等特点。