Web应用的特殊性使得其测试具有挑战性，但目前针对其测试的研究同其设计开发的研究相比相对薄弱.从Web应用的体系结构、实现技术、组成成分、运行机制、运行环境、开发设计等方面分析了影响测试的因素.归纳了现有Web应用设计阶段、开发阶段、运行阶段、维护阶段所涉及的主要测试方面及使用的动态、静态测试技术.并从测试的几个关键方面，如链接测试、组件黑盒测试、组件白盒测试、WS及WSC测试及性能测试等方面综述当前研究热点难点，包括面向对象的建模、统计建模、控制流测试、数据流测试、数据组合测试、WS测试、WS组测试、WSC测试、协议测试、性能测试的负载模型与用户会话数据集的优化等问题.指出了有关研究的局限性.从模型驱动测试、基于Agent测试、WS及SOA测试、性能测试等方面探讨了Web应用测试未来的研究方向.

个性化服务技术为门户平台上的兴趣挖掘研究带来了新的挑战，如何隐式地获取门户用户兴趣行为以及发现兴趣迁移模式是其中的重要课题.在对门户个性化兴趣映射描述的基础上，提出了一种独立于门户平台的含隐私保护的门户个性化兴趣获取机制，可实现不同兴趣访问行为的隐式获取以及操作语义分析，并采用兴趣扩展规则描述方式进行了隐私保护.结合门户个性化兴趣影响以及兴趣目的预测，给出了带有门户个性化兴趣描述的隐Markov模型扩展，可用于发现不同用户的门户个性化兴趣迁移模式.最后通过验证实验给出了有效性和可行性的结论分析.

朴素贝叶斯分类器是一种简单而且高效的分类学习算法，但是它所要求的属性独立性假设在真实世界应用中经常难以满足.为了放松属性独立性约束以提高朴素贝叶斯分类器的泛化能力，研究人员进行了大量的工作.提出了一种基于频繁项集挖掘技术的贝叶斯分类学习算法FISC (frequent item sets classifier).在训练阶段，FISC找到所有频繁项集并计算可能用到的概率估值.在测试阶段，FISC对于测试样本包含的每个项集构造一个分类器，通过集成这些分类器来给出预测结果.实验结果验证了FISC的有效性.

时空推理是面向时间/空间问题的研究领域，在人工智能(如语义Web、机器人导航、自然语言处理、物理过程的定性模拟和常识推理等)和其他领域有着广泛的应用前景.复合推理在时空推理中具有重要作用，是约束满足问题等其他定性推理的基础.复合推理是由R(a,b)和R(b,c)决定R(a,c)的一种演绎推理.一般将关系复合结果放在复合表中备查.但目前复合表的建立需要逐个模型进行手工推导，少数模型给出了独立的复合表生成算法，没有适合多种时空关系模型、能自动生成复合表的通用算法.为此，提出了一种能自动生成复合表的通用算法.首先，给出了基于空间划分的通用时空表示模型.在此基础上，提出了基于场景检测的通用复合表生成算法.通过理论分析和对RCC、宽边界、区间代数等20余种典型时空模型的测试，证明了本算法对于所有以精确区域(或区间)为基础的确定、不确定时空模型均能正确快速地生成复合表.

分析了模糊描述逻辑FALNUI与模糊ER模型的关系，即模糊ER模型可以转化为FALNUI的知识库，并且模糊ER模型的可满足性、冗余性和包含关系等推理问题可以转化为FALNUI的包含推理问题，但FALNUI缺乏相应的推理算法.提出了一种基于描述逻辑tableaux的FALNUI的可满足性推理算法，证明了该推理算法的正确性，以及提出了FALNUI的Tbox扩展和去除方法，证明了FALNUI的包含推理问题可以转化为可满足性推理问题，并给出了FALNUI的包含推理算法. FALNUI的tableaux推理算法为模糊ER模型的可满足性、冗余性和包含关系等自动推理的实现提供了理论基础.

在多值逻辑Tableau推理的基础上，提出了一种基于集合符号的自动推理扩展方法.将符号集合作为真值，减少了Tableau的推理分枝，并可以将适合经典逻辑的推理方法和策略应用于其中，使得非经典逻辑推理经典化.使用SWI-PROLOG语言设计实现了基于集合符号的自动推理系统，在系统中使用集合符号方法，只需要在规则库中增加推理规则，即可生成规则程序，系统本身不需要任何的修改，因此一些适合于经典逻辑的推理方法和技巧就可以很容易地应用到多值逻辑、模态逻辑、直觉逻辑等非经典逻辑，也可以进一步推广到无穷值逻辑和含模糊量词(如T-算子和S-算子)的逻辑中，对于无穷值逻辑和模糊逻辑的Tableau方法研究具有一定的借鉴作用.对TPTP中的900个逻辑问题进行了证明，实验结果表明，系统在时间和空间上效率都是较高的.

选择性分类器通过删除数据集中的无关属性和冗余属性可以有效地提高分类精度和效率.因此,一些选择性分类器应运而生.然而，由于处理不完整数据的复杂性,它们大都是针对完整数据的.由于各种原因,现实中的数据通常是不完整的并且包含许多冗余属性或无关属性.如同完整数据的情形一样，不完整数据集中的冗余属性或无关属性也会使分类性能大幅下降.因此,对用于不完整数据的选择性分类器的研究是一项重要的研究课题.通过分析以往在分类过程中对不完整数据的处理方法，提出了两种用于不完整数据的选择性贝叶斯分类器:SRBC和CBSRBC. SRBC是基于一种鲁棒贝叶斯分类器构建的，而CBSRBC则是在SRBC基础上利用χ\+2统计量构建的.在12个标准的不完整数据集上的实验结果表明,这两种方法在大幅度减少属性数目的同时,能显著提高分类准确率和稳定性.从总体上来讲,CBSRBC在分类精度、运行效率等方面都优于SRBC算法，而SRBC需要预先指定的阈值要少一些.

在机群系统或数据库服务器等应用环境下，由于本地内存资源限制，某些大内存应用与磁盘交互过多，会严重损害其性能.在高速网络支持下，把其他节点内存或采用专门的内存服务器作为系统的二级缓存，可减少对磁盘访问并提高应用性能.在二级缓存应用模式下，基于LIRS算法并对其存在的缺点进行改进，提出了一种自适应缓存管理算法LIRS-A. LIRS-A可根据应用访问特征自适应调整，避免了LIRS不适应某些具有时间局部性模式的情况.在TPC-H应用中，LIRS-A比LIRS最多有7.2%的性能提升；在网络流分析数据库的典型Groupby查询中，LIRS-A比LIRS的命中率最多可提高31.2%.

高速链路对实时网络流量监测提出挑战.由于流量采集分析设备性能的限制，采用精确、高效的采样方法进行流量监测分析已成为必然.最简单的固定概率采样能监测较大业务流，但往往忽略掉比例几乎超过80%的较小业务流.数据流算法可以实时高效采集高速链路数据，基于该算法的SGS(sketch guided sampling)采样技术可以实时准确估计流大小分布，但当采样速率增大到监测系统处理能力最大值时，该方法的准确性迅速降低.基于SGS方法，提出一种自适应实时网络流量的采样方法SRGS(sketch and resources guided sampling).该方法将监测系统处理能力作为采样概率调节的一个重要参数.实验结果显示，SRGS方法能够及时根据当前流大小和监测系统处理能力，调节数据包采样概率，准确性高于SGS方法.

拥塞控制是无线传感器网络中的一个关键性问题，它不但影响传输可靠性，而且会浪费宝贵的能量资源.提出了一个全新的拥塞避免、检测与缓解策略，该策略主要包含两部分:拥塞避免(COTA)和拥塞检测及缓解(CODEM). COTA从全网出发，基于路径的启发式信息分配流量，避免给潜在的热点区域分配过多负载. CODEM使用精确的拥塞度量来检测拥塞，并采取适当的措施来缓解拥塞，同时保证数据传输的可靠性.此外，还利用现有radio的多频特性有效地为控制报文进行拥塞隔离.详细的实验表明了COTA+CODEM的优势.

随着Web服务技术的发展与应用，基于功能语义进行Web服务发现已经逐渐成为服务使用者最为迫切的需求.而现有的服务发现机制还不能很好地解决这一问题.所以提出了一种基于功能语义的Web服务发现方法.通过定义Web服务功能描述模型，规范服务提供者和使用者对Web服务功能的描述；同时构建了领域功能本体，提出语义标注的机制，从而让用户可以基于功能语义发现Web服务.并设计了基于功能语义的Web服务描述语言，构建了原型系统，为基于功能语义进行服务发现提供了一种有效可行的方法.

网格环境下如何为应用程序选择可靠的服务是一个关键问题.借鉴人类社会建立推荐信任模型的方法，提出以服务提供的服务质量属性为参考元素，引入基于服务质量的偏序关系建立基本可信度函数，考虑不同网格结点之间的历史交互信息中的不确定性，将历史交互信息转化为结点之间的推荐偏好意见，并采用衰减算子和融合算子综合来自不同网格结点的推荐信息.针对服务选择时产生的负载不均衡的现象，采用轮盘赌的方法进行服务选择.最后分析和仿真实验证明该模型的有效性.

移动自组网(mobile ad hoc networks, MANETs)是典型的分布式网络，没有集中式的管理节点，网络拓扑动态变化，而且网络带宽有限.移动自组网无网络基础设施的特点，使其易于受到各种拒绝服务攻击(denial of service, DoS).灰洞攻击是一种类型的拒绝服务攻击，攻击者在网络状态良好的情况下，首先以诚实的方式参与路由发现过程，然后以不被察觉的方式丢弃部分或全部转发数据包.首先介绍了相关工作、DSR算法、聚合签名算法和网络模型.然后基于聚合签名算法，给出了用于检测丢包节点的3个相关算法：证据产生算法、审查算法和诊断算法.证据产生算法用于节点产生转发证据；审查算法用于审查源路由节点；诊断算法用于确定丢包节点.最后分析了算法的效率. ns-2仿真结果表明，在移动速度中等的网络中，提出的算法可以检测出多数丢包节点，且路由包开销较低.舍弃含丢包节点的路由后，数据发送率有相应的改善.

提出了一种基于模运算的加权的门限秘密共享方案，当参与者的权重之和大于等于门限值时可以恢复秘密，而小于门限值时则不能.目前仅有的关于加权秘密共享方案都是基于分解结构的，其缺点是参与者需要掌握多个子秘密，并且各个子秘密使用场合不相同，管理和使用不太方便.方案中每个参与者只需要保存一个子秘密，简化了密钥管理与使用.该方案适用于强调管理方便性的环境.在某些情况下，还可以调整权重和门限参数来减小问题的规模，但达到的效果跟原来的系统一致，为此，提出了控制结构的等价性的概念，并提出了一种基于整数规划的参数调整算法.

移动自组织网(mobile ad hoc networks, MANET)的多跳的无线连接、动态拓扑和有限的带宽等特征，给其路由协议带来了很多挑战.当多跳路径失效时，路由协议需要对其进行修复.已有的修复机制需要很多的开销和很长的端到端时延.在此修复机制的基础上，提出了一种新的路由局部修复算法，将修复尽量限制在断链的局部范围内，以减少对链路断裂的反应时间和降低路由维护的开销, 而且不用考虑失效链路在整个路由上的相对位置，都可以对其进行修复，提高了处理失效链路的能力，有利于提高MANET的可扩展性.仿真表明，这种新的路由局部修复算法明显地提高了网络多方面的性能.

利用二阶的非线性扩散方程进行图像去噪易产生具有“阶越效应”的去噪结果，也即使分段光滑的图像变为分段常量的.针对低阶非线性扩散去噪方法的不足，通过在原有的扩散方程中引入从梯度保真约束项导出的Euler-Lagrange方程，提出了耦合梯度保真项的非线性扩散图像去噪方法.由于梯度保真约束项考虑了去噪前后图像梯度的相似度，利用该模型能够在保持边缘的同时得到分段光滑的结果，使视觉效果更自然.证明了新模型是一个凸函数，从而保证了最优解的存在性和惟一性.还分析了从噪声图像估计梯度时引入空间正则化对最终结果的影响，并且从理论和实验两个角度分析了合理选择正则化参数的重要性.模型在有界变差函数空间中可积，使得新方法克服了高阶非线性扩散去噪方法易造成边界泄漏以及破坏图像中纹理等高频成分的不足.实验结果表明，通过耦合梯度保真项能够很好地防止“阶越效应”的产生，同时保持图像中的边缘、纹理等结构信息.

提出一种基于支持向量机的自适应图像空域水印嵌入算法.由于支持向量机与人眼视觉系统在自学习、泛化和非线性逼近等方面具有极大的相似性，算法利用支持向量机模拟人眼视觉特征，结合图像的局部相关特性，自适应地确定图像的最佳嵌入位置和嵌入强度.首先，利用无导师的模糊聚类分析方法对图像各像素进行初步的聚类，为有导师的支持向量机找到分类规则；然后，从各类别中选出隶属度超过一定阈值的像素作为支持向量机分类的训练样本集，建立支持向量机的分类模型，根据此模型对图像各像素再次分类，从而确定水印的最佳嵌入位置；最后结合图像自身的局部相关性，自适应地调整水印嵌入位置的像素值.该算法在提取水印时不需要原始载体图像.实验结果表明，此算法对多种图像处理均具有很好的稳健性和图像感知质量，其性能优于相关文献上的相近方法.

实体关系抽取是信息抽取的重要组成部分.基于核函数的中文实体关系自动抽取系统应用改进的语义序列核函数，结合KNN机器学习算法构造分类器来分类并标注关系的类型.通过对ACE评测定义的三大类6子类实体关系的抽取，关系抽取的平均精度可以达到88%，明显高于基于特征向量和传统的序列核函数方法，该方法适合小训练集，易于学习新的实体关系.系统由8个独立的模块构成，便于维护和升级.系统既可以独立运行，也可以嵌入在开放的文本处理平台GATE环境.为了更好地利用关系抽取的结果，系统扩展传统的二元关系，抽取关系的同时，抽取该关系的描述，形成完整的中文实体关系抽取系统.

通过分析英语新闻报道的特点，提出了一种基于词汇区分和位置特征相结合的特征项抽取算法.词汇区分是指将单词分为首字母是大写的单词和首字母不是大写的单词，位置特征利用新闻报道的倒金字塔式的结构特点决定单词的重要性.提出了一种基于多个特征项抽取算法融合的特征项权值计算方法，该方法认为被越多的特征项抽取算法选中的特征项越重要.提出了一种基于多数投票策略的双重过滤算法，对报道和话题是否相关进行两次过滤，大大降低了系统的误报率.实验表明提出的3种算法不但取得了很好的效果，而且具有很好的可扩展性.

随着Internet的飞速发展，符合J2EE规范的Web容器已经成为部署企业Web应用的主流平台. 同时，企业Web应用的多样化和复杂性的增长，迫切地要求Web容器提供差分服务的支持.然而，传统的Web容器采用尽力而为的服务模型，无法提供差分服务支持.已有的研究采用准入控制、优先级调度等方法来为Web容器提供差分服务支持，但是它们只能提供单调、静态的差分服务策略.提出了一个基于自管理单元的Web容器DSWC，它能够根据SLA定义提供两级差分服务支持.此外，提出了一个自适应差分服务策略选择算法，它能够根据动态变化的运行环境自适应地选择差分服务策略.原型系统的实验结果显示，DSWC能够有效地为请求提供符合SLA定义的细粒度的差分服务支持.

超长指令字处理器为了提高指令集并行(ILP)往往采用多个功能单元，从而需要多端口的寄存器文件提供支持.但是寄存器文件会随着端口的增多变得更复杂，频率难以提升，成为系统的瓶颈.分簇是解决这一问题的有效手段.分簇在不影响处理器ILP的前提下减少了每簇寄存器文件的端口数目，但对编译器提出了挑战，编译器必须将指令和操作数在簇间进行合理分配才能得到较好的指令级并行.针对分簇超长指令字结构提出了一种基于超块的统一分簇与模调度编译方法.使用超块技术可以增大调度范围以获得更好的ILP，并且可以处理含有控制流的循环体，增加了模调度的适用范围.超块中指令的分簇与模调度则是统一进行的，这将比分阶段进行有更好的优化效果，因为统一进行是从全局的角度寻求优化而非寻求各个阶段局部优化.在YHFT-DSP/700编译器中的实验结果表明，与ITSS算法相比，该算法可以达到较好的优化效果.

硬件任务的调度是影响动态可重构系统性能的关键因素之一.提出一种任务间最小空隙调度算法MGS(minimum gap scheduling algorithm) ，该算法借助任务投影和调度代价函数，采用二维时空坐标系协调各硬件任务占用的芯片资源和执行时间，可有效减少系统资源浪费，提高并行度. MGS算法策略直观，调度开销小，且同时适用于实时和非实时场合.仿真实验表明，与已有算法相比，MGS算法不但降低了硬件任务的调度时间开销，而且具有更高的芯片利用率和更低的任务拒绝率.