面向对等计算的信任度评估提出了一种新的信任管理量化算法，该算法解决了已有算法不能很好解决的信任时间衰减特性和节点联盟等问题，系统地对目前有代表性的网络信任评估算法进行了总结和分析，并对当前相关的国内外研究热点作了分类，同时给出了信任相关的一些定义以及算法应该考虑的问题，并提出一套完整解决问题的算法.定义了信任时间矫正函数、域信任矫正函数、信任值校准函数和准确度函数，并构造了信任时间矫正算法与域矫正算法，通过推导说明本算法具有良好的时间衰减性、历史经验相关性、新入节点奖励特性和联盟特性，同时给出了一般性的信任自然衰减曲线和8种典型特征域的系数变化范围.通过实验评价了算法的正确性和有效性，并和Azzedin算法进行比较，表明提出的算法效率和准确性有了显著的提高.

网格访问控制机制中网格实体的访问控制策略和证书的隐私保护是网格安全的一个重要方面，其重要性随着网格技术的进一步广泛应用而日益突出.利用安全函数计算和同态加密理论来解决访问控制过程中策略和证书的隐私保护问题.首先提出了适应于复合策略表达的电路组成方法，并基于无记忆传递机制和“混乱电路”计算协议提出了策略计算协议；然后提出了基于同态加密理论的属性相等测试协议；最后基于策略计算协议和属性相等测试协议提出了策略和证书的隐私保护协议.分析表明，本方案可以对策略和证书的属性进行完全的隐私保护，并且可以避免传统方法所引起的循环依赖问题.

通过资源能力预留为网格服务提供确定的QoS保证是实现服务网格QoS管理的基础和关键.针对确定性资源能力预留的“资源能力碎片”问题，提出了一种支持松弛时间的灵活资源能力预留机制，并设计了支持松弛时间的资源预留请求接纳控制算法.在CROWN的节点服务器上实现了该机制，并通过仿真实验进行性能评价.结果表明，和已有的确定型预留机制相比，支持松弛时间的资源能力预留机制，使资源能力调度具有更多的自主性，可显著地提高网格资源的综合利用效率.

针对动态计算网格资源调度问题，结合多Agent系统(multi agent syste，MAS)协同技术和市场竞价博弈机制，对计算网格资源分配技术进行了深入研究，提出了能够反映供求关系的基于市场经济的网格资源调度模型，该模型一方面能够充分利用消费者Agent的协商能力，另一方面能够充分考虑消费者的行为，使得消费者的资源申请和分配具有较高的合理性和有效性.同时，设计了消费者的效用函数，论证了资源分配博弈中Nash均衡点的存在性和惟一性以及Nash均衡解.基于所提资源调度模型，设计了一种网格资源调度算法.仿真实验表明，资源调度算法能够为消费者的资源数量提供参考，规范消费者竞价，从而使得整个资源的分配趋于合理.

在服务网格中，分布式网络计算的实现依赖于如何在OGSA下实现服务交互问题的有效解决.为此，服务接口必须采用机器可理解的方式描述，从而为网格服务的动态发现和组合提供底层支持.服务语义标注技术满足了上述需求，它提出使用共享域本体中机器可理解的元数据标注服务资源描述.提出了一种有效的服务资源自动语义标注方法，该方法将服务语义标注过程分解为域标注和概念标注两个阶段，重点针对域标注问题，提出了基于机器学习的域标注算法，对实际服务资源的标注实验验证了该算法的有效性.

针对飞机多目标拓扑优化提出一种通用的遗传算法计算模型，在此模型基础上，基于对等计算(P2P)技术将分布的计算资源整合为高性能计算环境，以网格服务方式提供统一的资源服务和可视化的用户使用环境，实现多目标优化设计网格，解决飞机设计中遇到的复合材料多目标拓扑优化问题.首先对系统体系结构以及多目标遗传算法做出较详细的描述，然后以优化某型大展弦比机翼为例，给出一组实验数据.结果证明，该系统大大缩短了计算时间，具有良好的并行加速效果.

对接入用户实施认证是移动IPv6实用化的前提.提出一种适用于移动IPv6网络环境的层次化接入认证方法HAMIPv6，对接入认证和移动注册进行层次化管理，利用认证矢量和消息捎带，减少切换认证过程中移动节点与家乡域的交互. HAMIPv6简化了切换认证处理流程，减小了切换延时和信令开销，实现了用户与网络相互认证及会话密钥发放.通过分析比较证明，HAMIPv6比传统方法处理效率更高，尤其是在MN远离家乡域及在一定范围内频繁微移动的情况下.

Hurst参数是衡量网络流量自相似程度和突发性的重要参数，在时域R/S统计、方差-时间图法和频域周期图法的基础上，提出一种最优化线性回归小波模型，实现小波域内Hurst参数的准确有效快速辨识.研究了WLAN中多个输入业务源的汇聚过程以及汇聚的多输入自相似业务源统计特性.仿真实验比较了传统的以及基于最优化线性回归小波模型的Hurst参数辨识方法，验证了理论分析中汇聚自相似业务也呈现自相似性的结论，且仿真结果表明，汇聚业务的突发性得到加强而不是削弱.研究结论对网络流量的准确建模以及网络传输中流量控制和优化网络资源配置以及提高网络性能具有重要作用.

讨论电子商务网站的过载保护问题，给出了一种基于接纳时间比控制和比例积分调节器的接纳控制(admission control)机制.该机制运用PI调节器，动态调整控制周期中服务器接纳请求的时间长度，主动拒绝过量请求，实现接纳控制.实验表明，基于接纳时间比的反馈控制机制即使在严重过载时，仍能使服务器的实际负载与最大处理能力接近，其吞吐率和响应时间均与服务器满载时相当；此外，仿真还表明这一机制能有效地实现资源控制和服务质量控制.

媒质接入控制子层是节点能量消耗的主要所在，因此无线传感器网络设计的关键问题之一是媒质的接入控制.基于TDMA的MAC协议具有固有的节能特性，但是其可扩展性较差.基于簇的TDMA协议则可有效提高系统的可扩展性，但同时带来了簇间传输干扰问题.针对此问题提出了一种基于簇的两级TDMA调度协议——TLTS协议.通过两级TDMA调度，避免了簇间传输干扰，提高了能量有效利用率.实验结果显示，当节点密度较高时，TLTS协议更适合用于大规模部署的无线传感器网络中.

在引入虚拟货币的前提下，目前的P2P系统没有提供有效的带宽分配和计费方案，因此无法在服务开销和用户收益两个方面达到最优.以用户总体收益为研究点，利用博弈论中的VCG(Vickrey-Clarke-groves)算法规划P2P网络中的带宽分配和计费，并且视客户节点为执行带宽分配的主体，可以很好地克服上述问题，这种基于客户节点的带宽分配方案更能反映P2P网络的分布式特性.该带宽分配算法和基于VCG的计费机制达到了近似系统最优和用户激励两个目标，并且可以在实际系统中得到应用.

端到端路径可用带宽是衡量网络性能的重要指标.目前，大多数对可用带宽测量的研究都集中在自拥塞方法上，但自拥塞方法会严重影响路径上的原有流量，因此，提出了一种基于模型的方法，将Internet视为一个具有单一服务单元且服务两种流量(探测流量和背景流量)的排队系统，通过分析探测流量离开排队系统的过程，在路径的负载与探测流量离去间隔的变异系数之间建立了对应关系，并在此基础上获得可用带宽值.与自拥塞方法相比，不会造成路径拥塞且具有较好的准确性.

视频流量的实时预测是进行网络资源优化和端到端QoS策略设计的重要前提.然而，目前基于短相关(SRD)的预测模型并不能对非平稳且具有长相关(LRD)和分形特性的视频流量进行有效的预测.分析发现，通过多重分形尺度间系数的相关性，可以把难以直接预测的LRD流量序列转化为可以用SRD模型预测的短相关序列组.基于多重分形的预测算法合理地利用了原始序列的LRD信息，具有很好的多步预测性能.

当类别之间交叉现象比较严重时，网页分类方法的精度就会下降.为准确地分类网页，首先给出一种模糊网页分类的系统结构，通过用成员函数替代分类网络中的权值变量，来提供一种可融入人类关于网页分类知识的机制.然后给出一种通用学习规则，来学习成员函数中的参数.通过理论推导，用李雅普诺夫函数分析和验证通用参数学习规则的学习收敛性，揭示参数学习算法朝最小误差方向调整参数的内在因素.最后在单参数学习算法收敛性的分析基础上，提出一种变调整规则的单参数学习算法，加快参数学习速度.从学习收敛性的理论论证和实验结果来看，这种网页分类方法是一种有效的分类方法.

第3级存储器的联机使用为海量数据管理提供了一种廉价可行的方案.为了使数据库管理系统能够联机使用第3级存储设备，第3级存储设备上的关系操作算法，特别是连接操作算法是必须解决的关键问题之一.提出一种高效的连接算法.实验结果表明，该算法无论在性能方面还是在扩展性方面都优于以往算法，极大地减少了I/O代价.当数据量较大时，算法的性能不低于基于磁盘的连接算法.结果表明，第3级存储器可以像磁盘一样在海量数据库系统中联机使用，解决海量数据库存储和联机查询等关键问题.

结构化连接的效率直接影响着XML查询的性能，目前对XML的结构化连接大多都是基于编码的方法.介绍了一种全新的有效支持XML结构化连接的树索引CATI(compact ancestor tree index). CATI的基本思想是,对于给定的一个祖先后代查询(A-D查询)或Twig查询,遍历XML文档,找出所有的祖先A的实例,用以建立CATI的主干;对于每个A实例,找出它的直接后代D的实例链接在它的后面.因为经典的结构连接算法Stack-Tree算法效率较高且使用较广,因此应用基于CATI的结构连接算法和基于Stack-Tree的结构连接算法就A-D查询和Twig查询做了大量实验.实验结果表明,基于CATI的结构化连接在一般查询情况下性能明显优于基于Stack-Tree的结构化连接.

关系数据库上的关键词检索已成为数据库和信息检索领域的研究热点之一.现有数据库关键词检索系统可分为在线和离线两大类，它们都难以兼顾查询效率和效果：在线系统能够获得数据库最新结果，但速度较慢；离线系统使用预处理提高查询速度，但若数据库更新就要重新执行预处理.在离线系统DETECTOR基础上，设计并实现增量更新方案，在不影响查询效率的前提下最大程度地保证了查询结果的准确性.另一个贡献是实现了通用的预处理模块，使得普通用户也能顺利进行预处理操作.

序列模式挖掘在Web点击流分析、自然灾害预测、DNA和蛋白质序列模式发现等领域有着广泛应用.基于频繁模式增长的PrefixSpan是目前性能最好的序列模式挖掘算法之一.然而在密数据集和长序列模式挖掘过程中会出现大量的重复投影数据库，使得这类算法性能下降.算法SPMDS通过对投影数据库的伪投影做单项杂凑函数，如MD5等，检查是否存在重复的投影数据库，避免大量重复数据库的扫描，并采用一些必要条件简化投影数据库的搜索，进而提高算法的性能.实验和分析都表明SPMDS性能优于PrefixSpan.

ASM(active shape model)是目前最流行的人脸对齐方法之一.为提高ASM在非均匀光照下多表情的人脸特征点检测的准确率，提出了一种融入Gabor特征、并将局部ASM和全局ASM结合的多模板ASM方法.人脸有丰富的表情，如微笑、惊讶、生气、发呆等等.就眼睛而言，可分为睁眼和闭眼；就嘴巴而言，可分为张大的嘴、微笑的嘴、O型的嘴(惊讶时)和紧闭的嘴.眼睛的这两种状态以及嘴巴的这4种状态使得形状有较大的非线性变化，不能简单地放在同一个线性模型下处理.分别对眼睛建立两个局部模板，对嘴巴建立4个局部模板，以及对整脸建立全局模板.在给定眼睛两个内眼角和嘴巴两个外嘴角的前提下，新方法首先用全局模板粗略确定眼睛所在区域，然后在此区域用眼睛的两个局部模板以及Hausdorff距离判断眼睛状态，同理可检测嘴巴状态，最后调用相应的全局模板去搜索整脸轮廓.实验表明，提出的方法其检测准确率比标准ASM有明显提高.

提出了一种针对自然图像中显著性建筑物的检测方法.首先，采用自底向上的注意力机制，对图像进行Haar小波分解，对得到的HL，LH分量进行平方求和，得到增强图像，然后对该增强图像在垂直方向上进行侧投影，基于得到的投影曲线进行多层阈值分割，找到显著性建筑物候选区域.进而，利用Sobel算子进行水平边缘与垂直边缘的检测，并统计较长的水平边缘与垂直边缘的数目，组成特征矢量.最后利用线性支持向量机对特征进行分类.实验证明了所提算法的有效性.

选用合适次数的隐含多项式曲线曲面描述目标物体是处理和识别目标物体的关键，因而需要在理论上解决隐含多项式曲线或者曲面的次数确定问题.根据目标物体本身的特征，从理论上得出隐含多项式曲线描述物体的次数确定定理，并给出了具体计算公式.该方法首先由给定物体边界的轮廓检测出其驻点数，然后根据驻点数得到拟合隐含多项式曲线方程次数的下界，进而推广到三维物体的隐含多项式曲面拟合次数的确定.最后给出的应用实例进一步验证了算法的有效性与可操作性.

随着生产工艺的进步和硅形体尺寸的缩小，计算机系统面临着前所未有的瞬态故障影响，可信计算已经成为桌面级和嵌入式系统设计和应用的热点，其中以处理器的可信设计为核心.首先，从容错技术角度对处理器提出了一种新颖的、比较全面的分类方法；在此基础上，以处理器容错技术发展趋势为线索，对目前流行的处理器结构、微结构的容错机制和容错技术以及不同层次上有代表性的最新研究成果做了介绍和分析；最后，对处理器容错技术研究新趋势及其发展方向提出了意见和建议.

动态二进制翻译技术是一种即时编译技术，它将针对源体系结构编译生成的二进制代码(源机器码)动态翻译为可以在目的体系结构上运行的代码(翻译码).动态优化技术是指在运行时获取动态信息并进行代码优化的技术.动态二进制翻译及优化系统使得源软件无需重编译就可以直接在目标体系结构上高效地运行.目前几种比较有影响的动态二进制翻译及优化系统有Intel公司的IA-32 Execution Layer，IBM公司的DAISY，Transmeta的CMS及HP的Dynamo等.这些系统对动态二进制翻译系统关键技术有不同的实现.对动态二进制翻译和优化技术的研究是计算机领域的研究热点，具有深远的现实意义和应用前景.

随着存储系统的访问速度与处理器运算速度的差距越来越显著，访存性能已成为提高处理器性能的瓶颈.通过对程序的访存行为进行分析，提出快速地址计算的自适应栈高速缓存方案.该方案将栈访问从数据高速缓存的访问中分离出来，充分利用栈空间数据访问的特点，提高指令级并行度，减少数据高速缓存污染，降低数据高速缓存失效率，并采用快速地址计算策略，减少栈访问的命中时间.该栈高速缓存在发生栈溢出时能够自适应地关闭，以避免栈切换对处理器性能的影响.栈高速缓存标志中增加进程标识，进程切换时不需要将数据写到低层存储系统中，适用于多进程环境. SPEC CPU2000程序运行结果表明，采用快速地址计算的自适应栈高速缓存方案，25.8%的访存指令可以并行执行，数据高速缓存失效率平均降低9.4%，IPC值平均提高6.9%.

微分进化(differential evolution)是一种新的简单而有效的直接全局优化算法，并在许多领域得到了成功应用.提出了基于极大极小距离密度的多目标微分进化算法.新算法定义了极大极小距离密度，给出了基于极大极小距离密度的Pareto候选解集的维护方法，保证了非劣解集的多样性.并根据个体间的Pareto 支配关系和极大极小距离密度改进了微分进化的选择操作，保证了算法的收敛性，实现了利用微分进化算法求解多目标优化问题.通过对5个ZDT测试函数、两个高维测试函数的实验及与其他多目标进化算法的对比和分析，验证了新算法的可行性和有效性.

针对时变混合模型的独立分量分析(ICA)问题，提出了基于滑动窗口的ICA算法.给出了基于滑动窗的分离矩阵递归学习算法，提高了算法的运算效率，因此可应用于独立分量的在线提取和动态独立分量分析等应用场合.另外，针对独立分量排序不确定性所带来的问题，提出了利用峭度值大小对输出信号进行动态排序的思路.仿真实验证明了这一思路是可行的.对窗函数长度的选择问题还进行了探讨，得出了一些有参考价值的结论.实验结果表明，基于滑动窗ICA算法能较好地应用于时变混合模型的独立分量提取，具有良好的盲分离性能.