在视频语义信息理解和挖掘中，充分利用图像、音频和文本等多模态媒质之间的交互关联是非常重要的研究方向.考虑到视频的多模态和时序关联共生特性，提出了一种基于多模态子空间相关性传递的语义概念检测方法来挖掘视频的语义信息.该方法对所提取视频镜头的多模态底层特征，根据共生数据嵌入(co-occurrence data embedding)和相似度融合(SimFusion)进行多模态子空间相关性传递而得到镜头之间的相似度关系，接着通过局部不变投影(locality preserving projections)对原始数据进行降维以获得低维语义空间内的坐标，再利用标注信息训练分类模型，从而可对训练集外的测试数据进行语义概念检测，实现视频语义信息挖掘.实验表明该方法有较高的准确率.

基于扩展规则的定理证明方法是一种与归结方法互补的新的定理证明方法.首先通过对扩展规则的深入研究,给出了扩展规则的一个重要性质,设计并实现了该性质的判定算法.此外,从理论上分析及证明了该判定算法的时间和空间复杂性.基于此,提出了一种新的基于扩展规则的定理证明算法NER,将判定子句集可满足性问题转化为一系列文字集合的包含问题,而非计数问题.实验结果表明,算法NER的执行效率较原有扩展规则算法IER和基于归结的有向归结算法DR有明显提高,有些问题可以提高两个数量级.

循环术语集是描述逻辑长期以来的研究难点, 它最基本的问题即语义及推理问题没有得到合理的解决. 分析了描述逻辑循环术语集的研究现状和存在的问题, 在Baader和Brandt的基础上进一步研究了描述逻辑εL循环术语集的混合推理问题. 给出了εL的混合循环知识库的语法和语义(包括不动点语义和描述语义). 针对εL循环术语集混合推理的需要, 提出了TBox-完全的概念, 并重新定义了描述图(包括语法描述图和语义描述图).使用描述图之间的模拟关系和TBox-完全概念给出了最大不动点语义和描述语义下εL混合循环知识库的实例检测推理算法, 证明了推理算法的正确性, 并给出了推理算法的复杂性定理.

图像分割是图像处理和模式识别的重要课题，而图像特征空间聚类是图像分割的一种重要方法，认为图像的特征是图像中待分割物体表面所特有而且恒定的特征，并将图像的特征映射到某种几何空间，称为特征空间，并且假定图像中不同的待分割物体在该特征空间中呈现为不同的聚集.提出了自组织动态网络(SODNN)聚类算法，并且利用该算法对图像特征空间聚类.该算法实现了神经网络结构的快速生长和动态调节，具有自动适应数据内在分布特征和聚类结果更为准确稳定的特点.利用SODNN算法对图像颜色空间进行聚类的同时综合了图像的位置信息来实现图像分割.实验表明分割结果与人工分割结果具有较好的一致性.

点覆盖问题虽然可以在参数计算理论的架构内求精确解,但是目前在理论及应用上有一定的局限性.根据不同度的顶点之间及顶点与边的关系,提出随机图参数化点覆盖问题的d-核化可决策性及2度点三角形子图的计数方法;通过研究子图对顶点的共享关系,分析2度顶点核化过程中核及度分布演变的动态过程,得出随机图2度点核化强度与2度点概率关系及2度点核化可决策性的两个推论: 2度点核化算法对2度点分布概率约为0.75的随机图的核化强度最高;对顶点度概率分布为φ(x)的随机图的参数化点覆盖问题(G,k),当k小于某一与φ(x)有关的值时,它是2-核化可决策的.仿真结果证实,该理论能够把握2度点核化的内在机制,提供随机图上这一NP完全问题的求解方法,也为参数计算在已知度分布的一类不确定问题中的应用提供了可能.

势支撑向量机P-SVM(potential support vector machine)作为一种新颖的封装型特征选择方法在许多领域得到了成功的运用，然而依据Fisher准则的基本原理发现势支撑向量机方法对应的目标函数只是类内离散度各类均值为0的一种特殊形式，从而使该方法的运用受到一定的限制.同时由于要求各类样本均值为0，一定程度上会导致在0矢量周围出现样本交叉，从而不利于P-SVM方法得到最优决策超平面，降低分类效果.因此利用一般的类内散度重新构造目标函数，提出一种广义的势支撑特征选择方法GPSFM(generalized potential support features selection method).GPSFM方法在一定程度上继承了P-SVM的优点，而且还具有特征选择冗余度低、选择速度快和适应能力强的特点，从而使得该方法表现出较之于P-SVM更好的特征选择和分类效果.实验结果表明该方法具有上述优势.

类偏斜问题(class imbalance problem)是数据挖掘领域的常见问题之一，人们提出了各种策略来处理这个问题.当训练样本存在类偏斜问题时，kNN分类器会将小类中的样本错分到大类，导致分类的宏F1指标下降.针对kNN存在的这个缺陷，提出了文本训练集的临界点(critical point, CP)的概念并对其性质进行了探讨，给出了求CP,CP的下近似值LA、上近似值UA的算法.之后，根据LA或UA及训练样本数对传统的kNN决策函数进行修改，这就是自适应的加权kNN文本分类.为了验证自适应的加权kNN文本分类的有效性，设计了2组实验进行对比：一组为不同的收缩因子间进行对比，可看做是与Tan的工作进行对比，同时用来证实在LA或UA上分类器的宏F1较好；另一组则是与随机重取样进行实验对比，其中，传统kNN方法作为对比的基线.实验表明，所提的自适应加权kNN文本分类优于随机重取样，使得宏F1指标明显上升.该方法有点类似于代价相关学习.

新术语及其定义抽取是信息抽取的重要研究内容之一.研究结果表明，在科技文献中，一个新术语往往伴随其定义出现，通过考察，在真实文本中，术语定义存在显著的语言表述特征，从大规模真实语料库中，通过考察术语定义构成的语言学模式、定义中词汇和术语周边的统计特征，提出了以术语定义的语言学模式(LPTD)作为待识别候选新术语集，同时考虑到有关新术语出现的上下文统计特征，用SVM分类器方法完成科技语料中新术语及其定义的识别.在大规模科技期刊上进行方法验证，开放性评测结果的精确率为90.5％、召回率达78.1％.

针对多移动机器人探测静态未知环境，提出了多机器人的一类新的体系结构和机器人内部控制结构，采用分布式融合框架，引入了最近提出的一种在贝叶斯和DST扩展而来的信息融合理论DSmT，结合限制传播算法，建立了不精确传感器(声纳)的混合DSm模型，构造了基本信度赋值函数，计算每个栅格的基本信度值(gbba)，有效地融合了多个移动机器人使用声纳获取到的不精确、不确定和高冲突环境信息.最后，以Pioneer 2-DXe机器人作为实验平台，将由混合DSm模型构建出的静态环境地图与实际环境布局做比较，并利用openGL绘制出三维置信度分布图，充分验证了所提出的算法和基于通信的多机器人系统的有效性.

准标识符是影响k-匿名方法有效性的关键因素.在视图发布过程中，求解准标识符所面临的问题是如何在已发布的视图集合中找出与待发布视图相关的全部视图.将已发布的视图集合与待发布的视图映射为一个超图，寻找相关视图集问题可被转化为在超图中求解特定结点间的全部通路问题.首先，给出了视图集向超图的映射方法及有关引理和定理，提出了基于超图的相关视图集求解算法；其次，研究了基本表中属性间不存在函数依赖和存在函数依赖两种情况下准标识符的组成结构，归纳出它们的特征，在此基础上，给出了基于相关视图集的准标识符求解算法.最后，对所提算法进行了正确性证明和时间复杂度分析.

定义了一种计算机网络防御策略描述语言CNDPSL(computer network defense policy specification language).该语言面向CNDPM模型，能够统一描述保护、检测和响应策略.在CNDPM模型中，给出了抽象策略细化为具体规则的推导原理，并以形式化的方法分析并验证了策略的完备性、一致性和有效性.CNDPSL是一种声明式语言，抽象了网络防御控制的行为，对网络防御需求具有较好的灵活性、可扩展性和适应性.最后给出了策略引擎的原型及其实现.在GTNetS仿真平台中的实验表明，该语言能够自动地转化为具体的技术规则并实现其表达的防御效能.

由于难以获得足够的冗余水印容量，一些面向内容认证的可逆水印方案仅嵌入了用对称算法加密的杂凑值，它的数据尺寸显著地小于数字签名，但这使不诚实的验证者能伪造合法的内容.然而研究发现，虽然当前公钥签名的长度是杂凑值的数倍，但通过使用阈下信道，在方案中引入公钥签名仅需增加数个字节的容量.据此，一个改进的R-S（regular-singular）可逆数字水印方案被提出，它采用RSA-PSS公钥签名，并利用签名中阈下信道存储部分或全部压缩的R-S向量.该方案仅需增加4个字节的额外水印容量，也具有篡改定位功能和可靠的安全性.

讨论如何在P2P内容分发系统中应用网络编码技术，结论是网络编码能简化P2P内容分发中的Piece Selection算法的复杂度，提高网络资源的利用率.但是，网络编码必须结合较好的Neighbor Selection和ChokingUnchoking机制，否则，其优势将无从体现.同时，还详细描述在P2P内容分发中如何应用网络编码技术，并逐一讨论应用过程中所涉及到的主要问题.为了证明基于网络编码的P2P内容分发系统的可行性，在单机上实现主要的编、解码算法，分析其对系统资源的消耗.实验的结果是如果一个peer的上载速率为50KBps，则编码操作导致的CPU占用率为2.25%，相应的内存开销在20MB左右.这些数据说明网络编码的系统开销是较轻的，基于网络编码的P2P内容分发系统是完全可行的.

移动传感器网络中节点的移动引起网络拓扑动态变化，数据源节点到Sink节点之间往往不存在稳定的通信路径，从而对数据传输协议提出了更高的要求.基于接收者的路由不需要建立数据源节点到Sink节点的全局路由，而是由发送节点的邻居节点根据自身的位置信息按一定规则参与转发权的竞争，动态地生成下一跳的转发路径，因此能够应用于移动传感器网络.针对移动传感器网络的特性以及现有相关协议存在的缺陷，提出了一种基于接收者的跨层传输协议.该协议优化了转发优先度计算方法，设计了一种自适应的转发申请信息发送机制，采用双信道通信模式解决了转发权竞争过程中的数据碰撞和多播抑制问题，并提出了一种简单高效的路由空洞逾越机制.仿真实验表明，该协议在通信开销、传输时延以及可靠性等方面具有较好的性能.

节点定位是无线传感器网络技术研究的一个基本问题，大多数无线传感器网络的应用和中间件技术都需要节点的位置信息.目前比较实用的定位方法是利用一些移动锚节点(如安装有GPS)根据有效的规划路径移动,通过发送包含其自身坐标的信息来定位其他节点，该方法不过多地增加无线传感器网络成本，还可以获得较高的定位精度.在该方法中，移动锚节点的路径规划问题是需要解决的基本问题.主要研究移动锚节点的路径规划问题，把图论引入到无线传感器网络节点定位系统.把无线传感器网络看成一个连通的节点无向图，路径规划问题转化为图的生成树及遍历问题，提出了宽度优先和回溯式贪婪算法.仿真实验和真实系统实验结果表明，该方法能够很好地适应无线传感器网络节点随机分布的节点定位，可以取得较高的定位精度.

由于无线Mesh网络还没有统一标准，ad hoc中的路由算法并不能完全适合无线Mesh网络.在分析ad hoc中经典路由协议AODV的基础上，结合无线Mesh网络的特点，提出了一种新颖的、基于链路状态加权的路由协议.该协议利用节点的可用带宽、吞吐性能和缓冲队列的饱和度等计算路由每一跳的代价(即权重)，选择从信源到信宿累计权重最小的路径作为路由.仿真结果表明，提出的路由协议在数据包转发率、平均端到端延迟和标准化路由负载等性能上均优于AODV，是一种适合无线Mesh网络的路由协议.

图像修复问题公式化为一个能量函数的最优化问题，设计了合理的能量函数度量修复结果的质量，并通过迭代方法得到最优解. 全局优化方法不仅保持像素局部颜色的连续性，而且也很好地保持了图像整体纹理结构在修复区域内的连续性. 在构建像素邻域的搜索空间时，采用了自适应的采样方法，减小了搜索空间的大小，大大提高了搜索最佳匹配邻域的速度. 实验结果表明，算法对大面积的图像缺失的修补和复杂背景图像上多余物体的去除，都达到了很好的效果.

使用运动捕获数据驱动与动力学模拟相结合的控制方法，可以产生既真实又能对外界施加的作用力作出反应的人体运动.为减少以前方法中反应式运动数据搜索的时间开销并去除动画师需要的手工调节工作，采用并行计算，并引入人工神经网络的方法，根据虚拟人主要关节的位姿对反应运动类型进行预测，得到需搜索的反应运动子类型库.另外，对搜索匹配的算法进行改善以提高搜索效率.实验结果表明：系统中的虚拟人的运动能在两种控制方式之间灵活切换，并能实时响应外界的交互作用.

倾斜问题是并行系统普遍存在的问题，对系统的性能影响很大.事件流数据库作为数据流应用的后端分析处理系统具有连续大量的事件流加载与用户查询并存的特点，传统的解决数据倾斜的方法无法适应其动态加载的特点.以主干网的网络安全监控应用为研究背景，结合事件流负载特征，针对基于无共享结构的事件流并行数据库提出了一种基于周期计数的能力感知加载均衡策略.该方法在保证加载性能的同时，可以根据加载节点的能力在线自动调解数据分布,不仅有效预防和解决了系统倾斜，还为查询服务的性能奠定了良好的基础.模拟分析和真实测试都证明这种加载均衡策略较其他策略更有效.

片上多处理器中二级cache的设计面临着延迟和容量不能同时满足的矛盾，私有结构有较小的命中延迟但是减少了cache的有效容量，共享结构能增加cache的有效容量但是有较长的命中延迟.提出了一种适用于CMP的cache结构——延迟和容量权衡的cache结构(TCLC).该结构是一种混合私有结构和共享结构的设计，核心思想是动态识别cache块的共享类型，根据不同共享类型分别对其进行优化，对私有cache块采用迁移的优化策略，对共享只读cache块采用复制的优化策略，对共享读写cache块采用中心放置的优化策略，以期达到访问延迟接近私有结构，有效容量接近共享结构的目的，从而缓解线延迟的影响，减少平均内存访问延迟.全系统模拟的实验结果表明，采用TCLC结构，相对于私有结构性能平均提高13.7%，相对于共享结构性能平均提高12%.