针对铜合金成分检测过程中产生的时滞问题，提出一种基于特征聚合的铜合金金相图分类识别方法。首先，在特征提取阶段，构建灰度共生矩阵（GLCM）和基于卷积注意力模块的残差网络（ResNet）模型分别提取图像的全局与局部特征；其次，在特征聚合阶段，将提取到的特征规范化后进行简单的级联；最后，在分类识别阶段，使用支持向量机（SVM）精确分类。实验结果表明，所提方法的准确率达到了98.963%、宏F1达到了98.996%，优于基于单特征的机器学习方法。可见，不同的方法提取的特征经过聚合后可以更全面地描述铜合金金相图的纹理及边缘信息，所提方法可以通过金相图识别不同铜合金，提升了识别的准确率，且具有良好的鲁棒性。

针对乳腺癌灶在磁共振成像（MRI）中呈现大小形状不一、边界模糊等特点，为避免误分割并提高分割精度，提出一种基于注意力机制的多尺度残差UNet分割算法。首先，利用多尺度残差单元替换UNet在下采样过程中的相邻两个卷积块以加强对形态大小差异的关注；接着，在上采样阶段使用跨层的注意力引导网络对重点区域的关注，避免造成对健康组织的误分割；最后，引入空洞空间金字塔池化作为分割网络的桥接模块以强化对病灶的表征能力。与UNet相比，所提算法在Dice系数、交并比（IoU）、特异度（SP）、准确度（ACC）等指标上分别提升了2.26、2.11、4.16、0.05个百分点。实验结果表明，所提算法能够提高癌灶分割精度，有效降低影像诊断的假阳性率。

为解决移动对象轨迹信息被大量收集所导致的轨迹隐私泄露问题，提出了基于假轨迹的轨迹隐私保护算法。在该算法中，考虑了用户的暴露位置，基于轨迹相似性和位置多样性的综合度量，设计了一种启发式规则来选择假轨迹，从而使得生成的假轨迹能有效隐匿真实轨迹和敏感位置。此外，还提出了轨迹有向图策略和基于网格划分的地图策略来优化算法的执行效率。基于真实的轨迹数据进行实验测试和分析，实验结果表明所提算法在保持数据可用性的情况下能有效保护真实轨迹。

心电图(ECG)信号因其具备易于监测、个体唯一性等特点在生物识别领域受到广泛关注.针对身份识别的准确性和实时性问题,给出一种快速鲁棒的、适用于微型化嵌入式平台的心电信号身份识别算法.首先,利用动态阈值法提取稳定波形用于快速生成心电模板样本和测试样本;然后,基于优化动态时间弯曲(DTW)法进行差异度计算得到识别结果;其次,考虑心电信号为非稳态时变信号,为保证模板数据与人体体征状况的一致性,对心电模板库进行动态更新管理以进一步提高识别准确性与鲁棒性.对MIT-BIH心律失常数据库和自建心电数据库的分析结果表明:所述算法的识别成功率最高达到98.6%;在安卓移动端,动态阈值与优化DTW法一次运算平均时间分别约为59.5 ms和26.0 ms,实时性能显著提高.