针对运动目标在发生遮挡、形变、旋转和光照等变化时会导致跟踪误差大甚至丢失目标以及传统跟踪算法实时性差的问题，提出了一种融合前景判别和圆形搜索（CS）的目标跟踪算法。该算法采用了图像感知哈希技术来描述与匹配跟踪目标，跟踪过程使用了两种跟踪策略相结合的方法，能够有效地解决上述问题。首先，根据目标运动方向的不确定性和帧间目标运动的缓慢性，通过CS算法搜索当前帧局部（目标周围）最佳匹配位置；然后，采用前景判别PBAS算法搜索当前帧全局最优目标前景；最终，选取两者与目标模板相似度更高者为跟踪结果，并根据匹配阈值判断是否更新目标模板。实验结果表明，所提算法在精度、准确率和实时性上都比MeanShift算法更好，在目标非快速运动时有较好的跟踪优势。

目前大多数时域视频帧复制粘贴篡改检测算法都是针对至少20帧以上的视频子序列的复制粘贴篡改,而对单帧复制粘贴篡改无法判断。而根据人眼视觉感知的特性,修改视频内容需要至少15帧以上的帧操作,因此篡改帧想通过单帧复制粘贴篡改来达到想要的效果,必须进行连续多次粘贴操作。为了检测这种篡改方式,针对性地提出了一种基于量化离散余弦变换(DCT)系数的视频单帧连续多次复制-粘贴篡改检测算法。首先,将视频转换为图像,采用量化后的DCT系数作为视频帧图像特征向量,并通过计算巴氏(Bhattacharyya)系数来衡量两相邻帧帧间相似度;再设定阈值来判断两相邻帧帧间相似度是否有异常,最后根据出现相似度异常的帧是否连续,以及连续出现的帧数来判断视频是否经过篡改,并定位篡改位置。实验结果表明,所提算法对不同场景的视频都能检测,不仅检测速度快,而且不受再压缩因素影响,算法的正确率高、漏检率低。

针对现有方法中篡改检测效率不高、定位不精确的问题,提出了一种基于几何均值分解(GMD)和结构相似度(SSIM)的同源视频复制-粘贴快速篡改检测及恢复的方法。首先,将视频转换为灰度图像序列。其次,将几何均值分解作为检测特征,提出了一个基于块的搜索策略来定位复制序列的起始帧。此外,算法首次将结构相似度用于度量视频两帧之间的相似度,并利用结构相似度对搜索策略得到的起始帧进行复检。由于复制视频序列对应两帧之间的相似度高于未篡改序列对应两帧之间的相似度,提出了一个基于结构相似度的从粗到精的方法来定位复制视频序列的末尾帧。最后,对视频进行恢复。与其他几种经典算法进行对比,实验结果表明,所提方法不仅能够检测经过复制-粘贴篡改操作的视频,而且能准确地定位复制-粘贴序列。此外,该方法在检测精度、召回率和检测时间上有较大提升。

针对微博消息往往会不同程度表现出性别倾向性的特点，从消息内容挖掘的角度出发提出了一种基于粗糙集的微博用户性别识别算法。设计了一种基于容差粗集的微博消息表示模型(TRSRM)，有效地刻画微博消息的性别特征。实验结果表明，在1000个真实微博用户的微博消息的测试集下，所提模型的准确率比特征项频数表示模型平均提高了7%，取得了更好的识别效果。

流形学习算法中的等距嵌入算法（ISOMAP）具有对离群点敏感的瑕疵，针对此问题，提出利用基于共享近邻的距离度量方式，并充分利用了流形上对象的局部密度信息，有效改善了算法的性能，提高了算法的健壮性。同时，首次尝试将该改进的流形学习算法应用于医院绩效考核。人工数据与真实数据上的实验表明，改进的算法健壮且有效，在绩效考核上应用成功。