针对目前在离散点云模型以及低分辨率模型上提取骨架算法存在的局限性,提出一种基于表面及切向属性(attributes of surface and tangency, AST)的新方法.首先给出两个属性定义及其计算方式.然后基于上述属性通过表面光滑收缩和骨架吸引的双重作用达到模型的几何收缩,连接迭代收缩完成后得到的中心点,从而得到模型的骨架.实验表明:该方法得到的骨架能较好地表达原始模型的几何特征和拓扑结构,在缺少连接信息和低分辨率的情况下也能获得较好的骨架提取效果.

布料动画中，通常采用施加约束的方式限制布料的过度拉伸.已有的研究工作没有充分考虑拉伸约束与弯曲形变之间的关系，构造的动画模型并不完善，无法模拟布料无拉伸而多褶皱的“刚柔”相混的复杂变形效果.针对此问题，提出一种基于隐式约束力的布料动画方法.首先，建立有效的布料弯曲受力模型，并提出一种动态适应性约束方法，能够同时处理布料运动过程中结构和剪切2种不同类型的拉伸，避免单一结构拉伸约束导致的“过剪切”变形或者过约束导致的“刚性”失真效果；建立碰撞约束，避免局部调整穿透质点引起的过度拉伸问题.其次，将各种约束以隐式约束力的形式增加到动力学系统中，采用约束型迭代精化的方法进行求解.实验结果表明，该方法稳定有效，能够在保持布料弯曲形变的前提下，将拉伸控制在合理范围内，真实地刻画布料“易弯抗拉”的变形特征，实现逼真的布料变形动画模拟.

三维人手运动跟踪是人机交互领域的一个重要研究方向.提出了一种新的基于模型的三维人手运动跟踪方法,该方法将层次优化嵌入到基于粒子滤波器的跟踪框架中,通过在隐状态空间中对粒子采样来提高粒子滤波器采样效率.首先,提出了采用低维隐状态来描述人手的配置状态,并根据人手的生理运动约束建立人手动态模型;其次,为提高粒子在隐状态空间的采样效率,提出了采用层次遗传优化来快速地在局部寻找好的粒子,并以此作为重要度采样函数修正粒子滤波的采样算法.实验结果表明,该方法可以在人手自遮挡存在时的复杂背景下快速地对人手运动进行跟踪.

现有的动画生成方法存在手工操作繁琐、模型姿态受局限等问题.提出了一种新的人体模型动画自动生成方法，首先自动提取和识别位于人体四肢和头顶末端的5个特征点，以特征点为起点，计算模型等测地线的中心线.在中心线上根据人体测量学知识，确定关节点的近似位置，然后根据人体骨骼刚性运动特征和运动数据文件提供的骨骼信息，进行关节点精确定位，再通过热力学扩散方程计算顶点权重最后将提取的骨骼采用局部坐标架对齐的方法实现与运动数据匹配，并以运动数据驱动皮肤产生人体动画实验结果表明，与现有算法相比，具有与模型姿态无关、全自动、产生动画效果好等特点.

针对现有局部阈值分割算法因参数过多带来的参数选择问题以及在分割结果中块与块之间不连续性问题，利用用户提供的先验知识或经验，提出了一种基于灰度图像区域的交互式文本图像阈值分割算法.该方法首先粗略地将图像进行分块；利用标准差作为衡量图像块含有信息量(背景信息与目标信息)多少这一度量，接着按标准差大小对所有图像块进行排序；然后由用户输入交互式信息将所有图像块分为3个集合：仅含背景或仅含目标的图像块、含有少量背景或者是含有少量目标的图像块以及背景和目标分布比较均衡的图像块；最后对各个集合中的图像块分别按相应准则进行分割.实验结果表明，对于均匀和非均匀光照条件下的文本图像，与全局分割算法、直接分块分割算法和Chou方法相比，该方法在分割效果上有显著提升，而且执行效率也较高.另外，对于部分非文本图像也同样有效.

在计算机图形学中，关于网格简化的方法已有很多，但绝大多数都是针对静态网格进行的，对于动画变形网格的简化工作还很少.提出了一种基于变形距离的动态表面多分辨率模型生成方法.基于重复边收缩操作来对模型进行简化，使用变形距离来度量三角形面片在整个变形序列的变形程度，将此权值考虑到累加的边折叠代价中，可以有效地保持一些形变较大区域的细节特征.在此基础上，提出了一种在动画模型序列上的网格优化算法，在调整三角形形状的同时，提高了动态模型输出的时间一致性，减小了相邻帧之间的视觉跳变.实验结果证明该方法具有较高的效率，易于实现，并且可以输出任意分辨率的高质量简化模型序列.

互联网带宽的增长催生了远程可视化，它有着更好的分享性、移动性和方便性.针对大规模数据的远程可视化问题，提出了一种基于Sort-Last的分布式渲染架构，给出了基于GPU的融合、抗锯齿等算法.该架构用于远程可视化的服务器端，包括渲染节点、融合节点和任务节点等3层结构，具有良好的可扩展性.基于此，实现了一个远程可视化系统Waterman，提供基于Internet的高精地形渲染和海洋排放口污水扩散可视化服务，并给出了详细的设计方法和技术细节，包括基于Raycasting的地形渲染算法、基于陆地掩蔽(mask)方法的海面渲染技术和基于图片、网格模型的客户端混合实现技术等.最后对该架构和系统进行了性能测试和分析.提出的方法实用、鲁棒、扩展性好，可为同类系统设计提供很好的参考.

激波特征可视化是流场可视化的重要内容.目前主流的激波特征提取方法是先采用正则马赫数检测激波，再设计过滤算法去除噪声.已有方法在计算正则马赫数时，并未区分压力梯度和密度梯度；在过滤噪声时，有效性依赖于数据集本身，适应性和准确性差.当流场中存在强度不同的多激波特征时，往往在过滤噪声的同时也滤掉了“弱激波”，且即便对于单激波特征，也常出现激波面不连通甚至断裂现象.论述了基于压力梯度计算正则马赫数的必要性；利用激波物理特性，结合光线投射算法优势，提出了一种基于两级采样的多激波特征可视化方法；并针对拓扑复杂的3D非结构化网格数据，在GPU上设计实现了算法.实验表明，该方法能自动识别并过滤噪声，即便对包含多激波特征的复杂流场，也具有很好的适应性和准确性，过滤效果明显优于已有方法，且对较大规模非结构化网格数据，绘制性能可满足实时交互.

当前不确定数据广泛存在于诸如传感器网络、RFID网络、基于位置服务以及移动对象管理等各种现实的不确定性应用中.不确定数据查询作为不确定数据管理的重要组成部分,在信息检索、数据挖掘、决策制定和环境监控等众多应用中发挥重要作用,目前已成为数据库和网络计算等领域的一个研究热点.从目前不确定数据查询研究的各种查询类型介绍和查询特点分析出发,主要综述了4种典型的不确定数据查询类型,即不确定Skyline查询、不确定Top-k查询、不确定最近邻(NN)查询以及不确定聚集查询;重点论述了各种不确定数据查询的定义,各类查询的特点,并分类介绍了当前各类不确定数据查询研究的现状和各种查询方法的优缺点;最后,基于当前不确定数据查询技术的最新研究动态指出了未来研究工作的趋势.

由于数据的动态性及不确定性等特征,使得不确定数据流上Skyline查询研究面临挑战.不确定对象一般采用多元概率密度函数(PDF)表示,现有的不确定数据流Skyline查询方法均采用离散型随机变量建模.然而不确定数据流中的对象可能是连续变化的,离散模型对连续性随机变量难以适用.针对连续PDF建模的不确定数据流Skyline查询进行了研究,提出了基于高斯模型的不确定数据流Skyline查询方法(SGMU),该方法包含2个过程:1)动态高斯建模算法(DGM):对滑动窗口采样并建立高斯模型,将原始的数据流转化为不确定对象PDF的参数流;2)提出了基于高斯树的查询算法(GTS)以建立空间索引结构和执行Skyline查询.实验结果表明,SGMU算法不仅能够对连续型不确定对象进行有效建模以辅助Skyline查询,而且能够有效地减少查询对象个数,提高Skyline查询效率.

传统Agent协作模型强调Agent的高度自主性，其自发协作过程完全出于内部的“自私性”动机，难以在模型中表达宏观层面上的引导及系统外部的约束，在应用于开放复杂软件系统时，将面临可信度不能满足要求、计算复杂度高及没有有效的冲突消解机制这3方面的问题，这阻碍了Agent技术在现实软件系统建模中的应用.采用组织与政策隐喻，提出Agent组织中的政策导向型协作模型，通过组织与政策给予Agent以宏观上的引导与外部的控制，以增强系统的可信度；采用扩展的可废止逻辑框架，对这一协作过程建立一个具有线性计算复杂度的形式化理论；逻辑体系中内置的优先级方式为系统提供了有效的冲突消解机制.并证明了模型所具有的一致性及其他特性，最后通过一个实例对系统作出验证性说明.

Hinge损失函数是支持向量机(support vector machines, SVM)成功的关键，L1正则化在稀疏学习的研究中起关键作用.鉴于两者均是不可导函数，高阶梯度信息无法使用.利用随机次梯度方法系统研究L1正则化项的Hinge损失大规模数据问题求解.首先描述了直接次梯度方法和投影次梯度方法的随机算法形式，并对算法的收敛性和收敛速度进行了理论分析.大规模真实数据集上的实验表明，投影次梯度方法对于处理大规模稀疏数据具有更快的收敛速度和更好的稀疏性.实验进一步阐明了投影阈值对算法稀疏度的影响.

遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification, FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应地建立连续型属性模糊区间,使用新的剪枝策略对项集进行筛选从而避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合,从而有效地提高分类效率和精确度.在UCI数据和遥感图像上所作实验结果表明,算法具有较高的分类精度以及对样本数量变化的不敏感性,对于解决遥感图像分类问题,FARSC算法具有较高的实用性,是一种有效的遥感图像分类方法.

传统的数字游戏只注重底层实体级别的交互协同，不支持多层次群体协同关系描述和协同规划描述，且很少有形式化理论支持.描述任务逻辑结合了描述逻辑的知识表示结构和任务逻辑的任务语义.描述任务逻辑方法对数字游戏中的协同关系和协同规划进行了形式化描述，给出了任务和规划可完成性的定义，以及联合策略下的规划可完成性的判定理论.通过示例说明，描述任务逻辑方法能够准确地描述虚拟群体高层指挥关系的任务交互语义，同时又能提供协同规划可完成性的可判定的推理验证服务.

软件动态可信性评价已经成为信息安全领域研究的一个热点问题.为了提高评价的精确性,在充分考虑了软件的运行流程和运行背景的基础上,提出了基于软件行为轨迹的可信性评价模型(CEMSBT).该模型引入软件行为轨迹描述软件行为,软件行为轨迹由运行轨迹和功能轨迹构成,运行轨迹表示软件运行时的有序操作,表征为有序的检查点向量;功能轨迹则由能够表征软件功能的一系列场景来刻画.为了减少可信性评价的时间和空间开销,给出了软件行为轨迹的化简规则.模型应用检查点的标识评价规则和场景评价规则对实际的软件行为进行评价.考虑到分支给程序带来的随机性很可能被入侵者利用,分支处的检查很必要.模型通过场景确定分支的走向,从而降低了分支处异常情况的漏报率.仿真实验表明CEMSBT具有较高的精确性和效率.

ActiveX控件漏洞存在广泛且往往具有较高的威胁等级,有必要对此类漏洞的挖掘技术展开研究,发现并修复漏洞,从而杜绝安全隐患.在对ActiveX控件特性进行分析的基础上,设计并实现了ActiveX控件漏洞挖掘工具——ActiveX-Fuzzer.它基于黑盒Fuzzing测试技术,能够自动地构造半有效数据对控件接口展开测试,尝试发现潜在的缓冲区溢出、整数溢出及格式化字符串错误等安全问题.通过使用该工具对常用ActiveX控件进行广泛的测试,发现多个未公布的高危漏洞,受影响的软件包括腾讯QQ、WinZip、微软Office等国内外重要软件,以及部分知名银行的网上服务中使用的控件.该测试结果表明了ActiveX-Fuzzer的有效性和先进性.

针对认证跳表、签名链等方案所存在的不足，对分布式查询认证展开研究.提出分布式查询认证的定义，给出其应满足的认证性的形式化描述.以认证跳表为基础，在考虑完备性和边界隐私保护的前提下，设计一种新的认证数据结构——分层Hash链表(hierarchical Hash list, HHL)，给出了HHL的定义以及构建、认证和更新算法.通过对HHL中冗余Hash节点的分析，提出了效率更高的改进分层Hash链表(N-HHL)，利用统计学方法和分层数据处理对HHL的代价进行分析，得出其拥有O(log n)代价.通过模拟敌手多种破坏数据认证性的手段，对HHL的安全性进行分析，结果表明HHL能够检测出多种破坏查询结果认证性的行为，从而证明其安全性.将HHL与已有的典型分布式查询认证方案——签名链方案——进行比较，实验数据表明HHL在认证代价方面优于签名链方案.

数据匿名是发布数据时对隐私信息进行保护的重要手段之一.对数据匿名的基本概念和应用模型进行了介绍，探讨了数据匿名结果应该满足的要求.为了抵制背景知识攻击，提出了一种基于杂度增益与层次聚类的数据匿名方法，该方法以杂度来度量敏感属性随机性，并以概化过程中信息损失最小、杂度增益最大的条件约束来控制聚类的合并过程，可以使数据匿名处理后的数据集在满足k-匿名模型和l-多样模型的同时，使数据概化的信息损失最小且敏感属性的取值均匀化.在实验部分，提出了一种对数据匿名结果进行评估的方法，该方法将匿名结果和原始数据进行对比，并从平均信息损失和平均杂度2个方面来评估数据匿名的质量.实验结果验证了以上方法的有效性.

ECC是目前比特安全强度最高的公钥密码体制,对它的攻击需要大量的计算资源.基于SIMD指令和bitslice数据结构设计了GF(2m)上的ECC攻击算法,并对核心模块进行了优化.利用比特交换的方法提出了一个bitslice数据结构和非bitslice数据结构的快速转换算法,计算复杂度为O(nlogn),对算法简单调整后可适用于二元矩阵的快速转置;利用Karatsuba-Ofman算法和Montgomery并行求逆对椭圆曲线底层运算进行了优化,分析了计算复杂度.对ECC挑战中的ECC2-109和ECC2-131进行了测试,在单核Pentium 4 30GHz平台上的迭代速度分别为1330000次/s和980000次/s,攻击效率比Chris Monico的公开程序提高了1倍.

大规模并行网络模拟已成为目前研究Internet的主要方法，针对传统网络拓扑划分方法划分不均衡的问题，提出基于抽象消减和流量估计的并行网络模拟拓扑划分算法.采用抽象消减技术，将拓扑中度为1的节点递归抽象到其相连路由器上；采用流量估计技术，首先对拓扑中所有节点和链路利用估计算法进行权值初始化，然后将节点间流量转换为节点间权值，并将相应节点和链路的权值进行叠加.同时为避免权值差距过大，对权值进行规范化处理.实验结果表明，该划分算法相对于传统划分算法，节点压缩率在93.7%以上，缩减子域数约56.9%，减少远程链路数约22.9%，减少模拟时间约12.63%，提高了模拟的规模和效率.

数据聚集是传感器网络中比较耗时的操作,特别是在高密度网络中.因此,最小化数据聚集延迟问题成为人们研究的热点,该问题已经被证明是NP难问题.提出一个基于分簇思想的多信道多功率数据聚集调度算法MPMC,来降低聚集延迟.该算法采用一种簇内小功率、簇间大功率的分簇思想,结合信道分配来降低数据聚集延迟,簇间可无冲突同步进行数据聚集.并分析了不同网络拓扑下使用的信道个数趋于常数.在模拟实验中,算法MPMC与目前最好的单信道以及多信道数据聚集调度算法进行了比较,验证了MPMC的平均延迟最小.

在分布式文件系统中,小文件的管理一般存在访问性能较差和存储空间浪费较大等缺点.为了解决这些问题,提出了一种性能优化的小文件存储访问(SFSA)策略.SFSA将逻辑上连续的数据尽可能存储在物理磁盘的连续空间,使用Cache充当元数据服务器的角色并通过简化的文件信息节点提高Cache利用率,提高了小文件访问性能；写数据时聚合更新数据及其文件夹域中的相关数据为一次I/O请求写入,减少了文件碎片数量,提高了存储空间利用率；文件传输时利用局部性原理,提前发送批量的高访问率的小文件,降低了建立网络连接开销,提升了文件传输性能.理论分析和实验证明,SFSA的设计思想和方法能有效地优化小文件的存储访问性能.

为了应对信息时代巨量数据的存储要求，多种网络存储技术和理论先后出现.其中，智能网络磁盘(intelligent network disk, IND)存储系统理论和实现技术是解决当前网络上的海量信息存储问题的一种重要的新技术方法.然而，至今还少有关于这种存储系统数据容灾性的研究.对智能网络磁盘存储系统进行了简单介绍，根据这种存储系统的数据分布特点和现有的容灾技术，提出了在智能网络磁盘存储系统上实现的自免疫容灾恢复算法和后备智能网络磁盘容灾恢复算法；还通过在高速局域网上的相关实验证明了这两个算法的可行性和正确性;实验和理论都证明了后备智能网络磁盘容灾恢复算法比自免疫容灾恢复算法更可靠.研究工作将对今后智能网络磁盘存储系统的容灾研究有较好的理论借鉴意义和实际参考价值，同时也可以让智能网络磁盘存储技术和理论更趋完善.

效用网格下的工作流时间约束-费用优化调度是一个NP难问题，基于时间耦合强度(time-dependent coupling strength, TCS)的最适规则(best fit time-dependent coupling strength, BFTCS)将作业的资源特征与工作流的结构特征作为优先级规则的两个重要方面应用于迭代算法的改进阶段，取得了良好效果，然而，BFTCS忽略了工作流的时序特征.在已有工作的基础上，定义任务的时间灵活度(temporal mobility, TM)并设计基于时间耦合强度和时间灵活度的最适规则(best fit based on time-dependent coupling strength and temporal mobility, BFTCSTM).该规则在BFTCS规则的基础上选择TM较大的任务优先迭代，有效减缓了迭代过程中工作流长度的增长过程，使其他任务能进一步优化费用的机会增大，改善了工作流的费用优化效果.实验结果证明了BFTCSTM的优越性.