随着互联网的发展,传统TCP/IP网络体系结构的IP地址语义过载问题所导致的移动性、扩展性和安全性等方面的缺陷逐渐暴露出来,并限制了多宿主、流量工程等新技术的发展.针对这一问题,学术界普遍认为需要对下一代互联网的命名和寻址体系结构进行重新设计,将位置与标识分离作为新一代互联网的基本设计原则之一.近年来,涌现了许多基于位置与标识分离的新技术和解决方案.首先对基于位置与标识分离的网络体系结构研究所面临的关键性问题进行了分析；然后对相关研究工作进行了回顾,并对相关代表性研究成果进行了深入评述；最后展望了未来的一些研究方向.

在存在同信道干扰的无线MIMO系统中，为具有多种QoS需求的调度业务分配资源是一个具有挑战性的问题.提出一种实用的、基于SDMA的贪婪资源分配(SGRA)算法.在高效的干扰管理基础上，SGRA算法可以执行两阶段启发式计算和搜索.在第1阶段，包括上行调度和子信道分配的贪婪资源分配首先在时域-频域二维进行；在第2阶段，资源分配被扩展到时域-频域-空域三维进行.SGRA的算法复杂度低，适用于实际无线通信系统.仿真结果表明，与同类算法相比，SGRA算法可以提高系统吞吐量，更好地保证实时业务的时延和最小数据速率需求，同时兼顾系统公平性.

最短路径是因特网AS(autonomous system)拓扑的一个重要特征，AS间的路由路径一般是AS之间的最短路径.因特网服务提供商之间复杂的商业关系导致AS之间存在复杂的路由关系，从而影响AS路由路径的选择，因此在计算AS拓扑中最短路径时需要考虑AS间的路由关系.提出了一种计算AS拓扑中最短路径的算法，算法基于无向图的宽度优先最短路径算法，时间复杂度为O(nm)，这里n和m分别为拓扑图中节点和边的个数.通过实验发现，与现有的计算AS拓扑最短路径的时间复杂度为O(n\+3)的算法相比，该算法在实现同样精确度的前提下大幅缩短了计算时间.

最近兴起的P2P技术在充分利用客户资源、提高系统的可伸缩性方面具有巨大的潜力，基于P2P提供视频服务已成为Internet的一项重要应用.在多对单P2P模式下,对多个发送端最优地分配发送速率和数据是一个难题.为此，提出了一种新的分配算法.首先，应用排队论把最优速率分配问题模型化为非线性最优化问题，推导出求解最优化问题的速率分配公式；然后，基于该公式提出最优速率分配算法(ORAA),并对ORAA输出解的最优性给出证明；最后，提出动态速率分配算法(DRAA).DRAA对动态的网络环境具有自适应性，能根据网络条件的变化最优地为多个发送端进行速率和数据分配.仿真实验结果表明，在不同的参数条件下，DRAA算法减少了计算和通信开销，比同类算法有更好的性能.

针对网格计算环境下，参与计算用户和计算资源规模日益庞大，用户申请资源过程中所需的资源匹配过程逐步复杂化和大规模化，提出了一种基于推荐机制的网格资源匹配算法.以往的网格计算资源的匹配和调度算法需要在调度计算时遍历所有网格资源，而改进的基于SVD(奇异值分解)的协同过滤算法考虑了用户行为相关性和资源使用频度的相关性，通过用户对资源项的使用历史记录建立用户对资源的满意度评分体系，利用推荐机制给出用户推荐资源集以到达资源匹配的效果.从一个新的角度给出了解决大量资源匹配的方法.

目前针对执行时间限制严格的网格工作流资源调度与分配的研究工作已经取得了进展，然而这些工作没有考虑关键路径和非关键路径上任务执行时间的相对差异对资源分配算法产生的影响，这些算法或者仅考虑关键路径任务的资源可靠度问题而降低工作流执行成功率，或者仅考虑所有任务的资源可靠度问题而造成算法的低效率.针对这些问题，提出了一些新的定义，如关键区间和关键区间可靠度;同时也提出了一个新的网格工作流资源分配算法.与现有的分配算法相比，新的分配算法能既能保证限定期限内网格工作流执行成功率，又能提高资源分配效率.仿真结果证明了算法的正确性.

随着越来越多的法律法规要求将电子数据纳入审计监督范围，电子数据安全审计变得愈来愈重要.电子数据审计要求为数据的更改生成可验证的审计跟踪记录.现有的针对电子数据审计的系统因为不能防止内部人员的攻击以保证审计跟踪记录的安全可信，无法很好地满足用户需求.设计并实现了一个基于连续多版本的可审计文件系统CV-AFS，通过连续多版本技术连续捕获和保存文件系统数据变化，引入了一个可信的审计代理负责生成相应的审计跟踪记录，事后审计机构可根据审计跟踪记录来对数据进行审计，从而防止了内部人员的攻击.通过使用增量Hash算法，降低了生成审计跟踪记录的开销.作者在Linux上基于多版本文件系统ext3cow实现了CV-AFS的原型系统并进行了性能测试.Postmark的测试结果表明，CV-AFS的总时间开销要比使用传统完全Hash算法的开销降低43.5%.

可信平台模块(trusted platform module，TPM)是信息安全领域新发展趋势可信计算的关键部件，对其进行规范符合性测试非常有必要.由于传统测试方法与经验无法满足精确、易被机器处理的测试要求，状态机理论可为符合性测试的正确性提供理论基础，但易于产生状态爆炸问题.因此，基于TPM规范进行了一致性测试建模，提出相应策略提高测试效率，建立了TPM自动化测试工具.该工具能基于数据库自动生成测试用例，根据状态图进行一致性测试或自定义测试，达到过程可视化的效果.针对待测试产品得出了较为全面一致性结论和基本安全分析，为今后的可信产品安全性测试打下基础.

在网络安全管理领域，自动确定异常流量簇可为ISP分析和定位全网流量异常提供有效手段.提出了一种基于过滤的网络流数据的全网异常流量簇检测及确定机制.给出了问题的形式化描述和定义；扩展和改进了基于多维树的大流量簇检测方法，提出了灵活的“检测阈值”及“分裂值”的计算方法以改善大流量簇的检测精度；通过剪枝算法缩减了树的规模，提高了查找大流量簇的效率；给出了基于大流量簇确定异常流量簇的方法.实验表明该方法是可行的，可应用于全网异常诊断.

安全策略的完整性、正确性和一致性对网络信息系统的安全性能具有重要的影响.针对其验证问题,提出了基于特征的网络安全策略动态验证模型和算法.首先给出了安全策略完整性构造方法;并在此基础上,引入保护因子、敏感因子和安全因子等要素,建立了安全策略的正确性评估模型;最后,引入关联标识集,利用策略各属性特征间的作用关系,提出了安全策略的一致性检测算法.实验结果表明,该评估模型能有效地反映安全策略的安全性能,检测算法具有较高的处理效率,为网络安全策略的验证提供了一种新的解决途径.

利用人体指纹特征本身内在的唯一性、不可预测性和外部随机噪声(光照、损伤等)给出了产生随机序列的一类新方法——基于人体指纹特征的随机序列发生器，实现了人体生物特征与密码的结合.使用自相关函数方法和BDS统计检验方法验证了该随机序列优良的线性不相关性和非线性不相关性，得到了完全不可预测的非周期随机序列.通过美国国家标准技术研究院(NIST)推荐的标准随机统计测验FIPS140-1 Tests和NIST Special Publication 800-22 Tests对该随机序列进行了检验.检验结果表明基于人体指纹特征的随机序列发生器是满足密码安全的随机序列发生器，并且实现简单、方便.

可执行文件比较广泛应用于软件版权检测、恶意软件家族检测、异常检测的模式更新以及补丁分析.传统方法无法满足应用对速度和精度的要求.在函数、基本块和指令级别上设计了一元指令签名、基于函数控制流程图邻接矩阵的函数一元结构签名、指令的强/中/弱一元签名，并提出了融合签名和属性的函数匹配算法、基本块匹配算法，从而简化了已有指令比较，可抗指令重排，优于SPP.并通过匹配权统计以及严格的最大唯一匹配策略和Hash进一步降低误报，提高效率.最后，实现原型工具PEDiff，并通过实验证实了该比较方法在速度和精度上具有良好的性能.

Matching问题构成了一类重要的NP难问题.此类问题在诸多领域中有着重要的应用，如调度、代码优化等领域.对于加权3D-Matching问题，通过深入分析问题的结构特性，可以转化成加权3D-Matching augmentation问题进行求解，即从一个最大加权的k-matching着手构造权值最大的(k+1)-matching.从问题的特殊结构特性出发，给出了加权3D-Matching augmentation问题特有的性质: k- matching中存在2列使得该2列至少有2k/3元素被包含在(k+1)-matching中所对应的2列中.基于给出的性质，通过运用color-coding和动态规划技术，给出了一个时间复杂度为O\+*(4.82\+{3k})的参数算法，最终求解加权3D-Matching问题.该算法较目前文献中的最好结果O\+*(5.47\+{3k})有了极大的改进.

提出一种在户外受雨滴影响的视频场景中检测运动目标的方法.在R,G,B空间构建雨滴在视频中的成像模型，该模型可以计算受雨滴影响像素的亮度变化值.能够有效克服现有模型只能针对某些特定类型雨滴进行辨识的局限性.在使用基于颜色信息的雨滴成像模型基础上，提出运动目标检测函数，此函数可以有效抑制雨滴产生的干扰.实验结果表明，提出的雨滴成像模型和相应的检测函数与现有模型比较，能够适用于多种不同受雨滴影响的图像序列采样环境，对于运动目标具有更好的分辨能力，并有更强的鲁棒性.

基于中国手语合成技术的虚拟人手语视频显示平台技术是一个全新的课题.为了满足广电新闻节目对手势运动流畅性要求，实现了一种上下文相关的手势运动平滑算法，该方法能够充分利用前后两帧的差异来实现手势运动的平滑过渡，其视觉感观效果较传统插值算法更加平滑自然；同时提出了一种基于统计和规则相结合的手势运动重定向算法，在统计方法的基础上针对不同骨架大小以及运动特性进行规则约束，使得标准模型手势运动数据应用到新模型上而不失其准确性；最后，通过扩展基本手语词表达形式并基于alpha融合技术实现了面向广电新闻节目的虚拟人手语合成显示平台并取得很好的结果.

定性空间推理在人工智能等领域有着广阔的应用前景，但目前单方面空间关系研究较多，多方面结合研究较少，这与实际应用需求不符.由于各类空间关系具有独立性，需要找到适当的理论将它们融合，目前对于拓扑、距离结合模型的研究还不够充分.针对缺乏基本关系可处理且易于在GIS系统中实现的模型等情况，提出了一种扩展拓扑关系模型BERCC.BERCC源于RCC理论，其主要思想是通过考虑缓存区之间的拓扑关系来提高模型表达能力，同时能表达一定程度的距离信息.推导了BERCC的弱复合表，证明了BERCC基本关系是可处理的，给出了一个包括全集关系和基本关系的可处理子集，在此基础上实现了约束满足推理算法.最后，基于该理论和方法实现了一个实验系统，进一步验证了模型及算法的正确性和实用性.

统计学习理论目前是处理小样本学习问题的最佳理论.然而，该理论主要是针对实随机样本的，它难以讨论和处理现实世界中客观存在的涉及复随机样本的小样本统计学习问题.结构风险最小化原则是统计学习理论的核心内容之一，是构建支持向量机的重要基础.基于此，研究了基于复随机样本的统计学习理论的结构风险最小化原则.首先,给出了标志复可测函数集容量的退火熵、生长函数和VC维的定义,并证明了它们的一些性质；其次,构建了基于复随机样本的学习过程一致收敛速度的界；最后，给出了基于复随机样本的结构风险最小化原则，证明了该原则是一致的，同时推导出了收敛速度的界.

高水平的智能机器人要求能够独立地对环境进行感知并进行正确的行动推理.在情境演算行动理论中表示带有感知行动及知识的行动推理需要外部设计者为agent写出背景公理、感知结果及相应的知识变化，这是一种依赖于设计者的行动推理.情境演算行动理论被适当扩充，感知器的表示被添加到行动理论的形式语言中，并把agent新知识的产生建立在感知器的应用结果之上.扩充后的系统能够形式化地表示机器人对环境的感知并把感知结果转换为知识，还能进行独立于设计者的行动推理，同时让感知行动的“黑箱”过程清晰化.

针对标准序贯最小优化(sequential minimal optimization, SMO)算法采用可行方向工作集选择策略所带来的缓存命中率低下问题，给出了SMO类型算法每次迭代所带来的目标函数下降量的二阶表达式，并据此提出了一种改进的工作集选择策略.新策略综合考虑算法收敛所需的迭代次数及缓存效率，从总体上减少了核函数计算次数，因此极大提高了训练效率，并且，它在理论上具有严格的收敛保障.实验结果表明，核函数越复杂，样本维度越高，缓存容量相对训练样本的规模越小，改进工作集选择策略的SMO算法相较于标准SMO算法的性能提高就越显著.

障碍物检测是智能机器人要解决的非结构复杂环境感知的典型问题之一.在实际情况中，获得大量未标记样本是相对容易的，而标记这些样本则是极其繁琐和费时的工作，当前的研究工作很少涉及到这类问题的解决办法.将SVM主动学习算法引入到障碍物检测中，针对常规的SVM主动学习算法在应用中所遇到的问题和局限性，采用一种动态聚类过程来选取最有代表性样本和根据专家标记与当前SVM分类结果的差值来调整SVM超平面位置的两种策略对其进行了改进，提出了一种新的主动学习算法——KSVMactiv算法，并在真实的野外环境图像库上进行了实验.由实验结果可知：KSVMactiv算法仅用81个样本就能达到很高的检测效果，从而说明它能显著减少数据标记的工作量，且与已有主动学习算法相比收敛速度更快.

启动子的预测对于基因的定位有重要意义.已有多种对启动子进行预测的算法，涉及到信号搜索、内容搜索和CpG岛搜索等多种策略.基于马尔可夫模型的启动子分类方法也有研究，其中的转移概率都是直接通过统计已标号训练样本序列得来的.将半监督学习思想引入启动子序列分析中，推导出转移概率等参数的最大似然估计公式.实验中将待测试基因序列片段同已标号训练样本混合，利用得出的参数值对基因序列片段进行识别，使用少量的已标号的样本数据能得出较好的启动子识别结果.

应用程序的性能分析能够给体系架构设计者和性能优化者提供有效的参考和指导.采用主成分线性回归模型分析了SPEC CPU2006的整型程序性能.模型选取性能监测单元采样到的事件为自变量，每条指令的时钟周期数(CPI)作为因变量.模型中采用主成分分析法消除了性能事件之间的相关性.实验结果表明，模型的拟合优度在90%以上，对性能进行预测的平均相对误差为15%.模型从量化上分析了L1，L2高速缓存缺失作为影响性能的关键因素是怎样影响程序性能的.

数据立方体格和形式概念格比较研究表明,两者都基于序结构,并且采用形式概念分析理论(FCA)的等价特征组与数据立方体覆盖等价类对数据单元有相同的划分结果.将FCA与概念格理论引入数据立方体研究,首次提出聚集概念格(ACL)结构.ACL与一般概念格同构,能完整保存立方体中的所有聚集结果,实现与商立方体相同比例的约简.ACL结构仍比较复杂,在ACL基础上,又提出一种约简聚集概念格结构(RACL),该结构只存储非对象概念,而不是所有概念.RACL与基本表联合仍然是完整立方体结构,但能实现更大的约简.给出了ACL和RACL的高效的查询方法,并使用模拟数据和实际数据作了一些实验.理论和实验都表明RACL结构比现有方法更节省空间,同时查询效率也较高.