IPSec和IP Filter是IPv6路由器中的重要安全部件.IPSec的安全关联查找引擎具有类似于IP Filter的功能，也需要对IP包进行过滤和匹配，路由器中流动的IP包可能需要经过这两个部件的重复过滤，因此，这两个部件之间的部署策略将会直接影响到IP包的处理效率.从路由器整体安全的角度分析了两个安全部件之间的相互关系，提出了一个新的部署策略.与国际上著名的开放源码IPv6协议栈KAME相比较，该部署策略可以提高IPSec的处理效率，减轻IP Filter对IPSec的负面影响，同时，也减少了IP包在路由器中的重复过滤，提高了IP包的处理效率.

大量研究表明移动自组网(mobile ad hoc networks, MANET)的特性使得提高无线网络路由协议的可扩展性成为一个挑战性的工作.根据网络动态特性，提出了一个基于簇的多路径动态源路由机制(CMDSR)，该机制利用分簇的层次结构来有效搜索多路径，利用多路径并行传输流量.协议的主要思想是在分簇算法中将网络分成单元簇(1-cell cluster)和中心簇(2-server cluster)两级层次结构，将路由发现程序放在2-server层来防止类似DSR路由发现过程的泛洪，实现路由开销最小化，提高网络的可扩展性，能够有效地处理节点数量增大和节点密度增大的问题.此外，CMDSR通过选择可靠的路径和发送端－端的可靠性软保证的方法解决了可靠性问题，因而具有良好的性能.在OPNET环境中实现了这个协议，结果表明，CMDSR能够平衡网络负载，有效地处理网络拓扑的易变性，从而有效地提高网络的可靠性和鲁棒性.

自相似流量特性对网络性能具有重要影响，流量建模与合成是网络性能评价的基本环节.提出了一种基于小波域混合高斯模型的自相似流量建模与合成方法：小波变换的近似Karhunen-Lo｀eve(K-L)变换特性可以有效去除流量过程的长程相关，而混合高斯模型准确地描述了小波系数的非高斯分布.对合成流量进行了统计分析以及排队性能仿真.实验表明该方法能够更准确地对通信流量进行建模和合成，并且具有运算量小(O(N))、流量生成快速等优点.

资源发现是P2P应用所面临的最核心问题之一.无结构P2P方面的已有工作主要采用了查询消息泛洪和信息索引机制，这会造成严重的网络带宽负担以及巨大的索引维护开销.提出了一种无结构P2P环境下能够节约带宽、易维护的自适应搜索算法，即SWAPS.SWAPS根据用户的访问历史抽取用户的兴趣属性，并遵循用户的访问行为模式，以自发的方式组织基于用户兴趣属性的应用层Small World覆盖网络，然后基于覆盖网络实现了高效的文件定位.分析了影响搜索性能的关键因素，针对Small World网络特点分别设计了基于兴趣度、基于本体距离和基于兴趣宽度等有效的查询消息转发策略.最后实验显示，SWAPS以其高成功率、低带宽消耗和很小的响应时间能够显著的提高搜索性能，而且对用户的访问行为体现出良好适应性.

基于业务流的网络流量监测是网络管理、运维、实现基于业务的计费、流量工程等的重要手段.精确、高效的采样技术是实现高速网络流量业务流监测分析的重要技术.基于分段采样思想提出一种尽力最优的自适应随机采样方法，实现特大业务流的精确估计，其中把监测系统本身的处理能力作为选择采样概率的参数.实验结果显示算法能够很好地调节采样概率，使得采样包速率基本等于预先设定的监测系统的处理能力.

保护私有信息的计算几何是一类特殊的安全多方计算问题，它是指在一个互不信任的多用户网络中，几个用户基于各自输入的几何信息共同协作来完成某项可靠的计算任务，但任何一个用户都不愿意向其他用户暴露自己的输入，该问题在协作进行太空开发等领域有着重要的应用前景.秘密判定两组数据是否对应成比例是安全多方计算的一个基本问题，在判定空间几何对象相对位置关系中起着重要作用.设计了判断两组数据是否对应成比例的秘密判定协议；分析了该协议的正确性、安全性及复杂性；在保护用户私有输入信息的条件下，解决了空间中点、直线、平面等几何对象之间的相对位置判定问题.

网络扫描通常是入侵的前奏，准确的检测网络扫描可以对网络入侵起到重要的预警作用.现有的网络扫描检测机制都过于简单且易于被攻击者逃避.提出了一种基于有穷自动机模型检测网络扫描的入侵预警算法(FSA-based intrusion pre-alert algorithm, SBIPA)，用自动机状态迁移图表达扫描报文序列，同时设计了3种不同的机制基于自动机模型对扫描事件进行检测，并讨论了算法实现中的关键技术.实验表明，该算法能在更准确的检测普通扫描的同时，对分布式、多类型混杂扫描等现有技术难以检测的隐蔽扫描也有很好的检测效果，有效弥补了现有同类技术的不足.

特权控制机制是高安全等级操作系统中一个重要的组成部分，它能够提供系统恰当的安全保证级.给出了在自主开发的、符合GB17859-1999第4级“结构化保护级”的安胜安全操作系统中实现的一种多层次特权机制，它在用户管理层、主体功能层和程序文件3个层次实现特权控制和管理.该机制的实现使系统满足了RBAC的角色职责隔离、DTE域的动态功能隔离和POSIX标准的特权最小化等安全性质，证明以这种受控的方式使用特权可以有效地保证系统的安全性.

SOM(self-organizing map)所具有的拓扑保持特性使之可用来对高维数据进行低维展现，但由于数据间的距离信息在映射到低维空间中固定有序的神经元上时被丢掉了，因此数据的结构通常是被扭曲了的.为了更自然地展现数据的结构，提出了一种新的基于SOM的数据可视化算法——DPSOM(distance-preserving SOM)，它能够按照相应的距离信息对神经元的位置进行自适应调节，从而实现了对数据间距离信息的直观展现.特别地，该算法还能自动避免神经元的过度收缩问题，从而极大地提高了算法的可控性和数据可视化的质量.

约束满足问题是人工智能的一个重要研究领域，使用粒子群搜索算法来求解约束满足问题逐渐受到人们的重视.把变量的最大度静态变量序关系引入到评估函数中，区别对待每个变量，通过静态变量序关系改变适应度函数，从而影响算法对最优粒子的选择.使用随机约束满足问题实验表明，改进后的算法比原算法具有更好的搜索能力，能以更快的速度收敛到全局解.

提出了一个利用多个拉格朗日乘子协同优化的支持向量机快速学习方法(MLSVM)，并给出了每个乘子的可行域范围的定义公式，由于在每个乘子的优化过程中使用了解析表达式，使得算法可以更加精确和快速地逼近最优解，可以证明SMO算法是该方法的一个特例.在此方法的理论指导下，根据不同的学习策略，程序实现了3种不同的具体算法(MLSVM1，MLSVM2，MLSVM3)，其中前两个算法在数据集不大时(＜5000条记录)学习速度与SMO算法相当，但当数据集更大时，算法就失效了.MLSVM3是一个改进算法，总结了MLSVM1和MLSVM2失效的原因，对SMO算法中学习效率较低的部分进行了改进，在多个数据集上测试，MLSVM3算法速度超过了SMO算法7.4%~4130%.

开放领域的问题回答(question answering)是自然语言处理领域中具有挑战性的研究方向.提出了一种基于模式学习实现问题回答的方法，核心思想是利用机器学习方法得到的答案模式获取问题答案.该方法优势在于：①模式学习完全自动化实现；②解决了目前普遍存在的模式约束性弱及答案缺乏语义类型限制等缺陷.在TREC测试集上的实验结果表明,它不但解决了简单模式所覆盖的问题集，同时也解决了需要较强约束性模式进行答案抽取的问题集，而后者的问题数目在TREC测试问题集中占约80%.

频繁子树挖掘在生物信息、Web挖掘等很多领域都具有较高的应用价值.在频繁子树挖掘中引入投影分支的概念，并提出基于投影分支的快速频繁子树挖掘算法——FTPB. FTPB算法充分利用树结构本身的特点，在计算投影分支的同时解决树同构的判断问题，扫描数据库后能够根据当前的频繁模式树直接生成新的频繁模式树，可减少数据库的扫描次数和候选模式的搜索空间，从而降低算法复杂度.理论分析和实验结果表明，该算法较其他同类算法相比具有较高的效率，是有效可行的.

面对日益增长的图像数据库，为用户提供一个简洁高效的搜索和浏览解决方案成为一个紧迫而且充满挑战的问题.图像聚类技术可以在许多方面为此提供帮助，例如图像数据预处理、用户界面设计，以及对搜索结果的聚类等.在众多聚类算法中，谱聚类(spectral clustering)方法由于能够解决复杂分布数据的聚类问题，以及接近全局最优的性能，成为近年来广受关注的一种方法.然而，目前存在的谱聚类方法，譬如normalized cut在处理新增数据点的聚类时，计算复杂度很高.提出了一种新的聚类算法——保局聚类.保局聚类在拥有许多非线性谱聚类方法优点的同时，又具有独特的数学特性——能提供显式的映射函数.这为在原数据集和新增数据集上进行高效的聚类提供了可能.实验结果显示，保局聚类比K均值聚类和主成分分析后的K均值聚类效果要好.实验同样显示，保局聚类与normalized cut效果可比，而前者更加高效.

动态贝叶斯网络在描述具有多个通道的复杂随机过程方面具有优异的性能.基于动态贝叶斯网络进行音视频双模态说话人识别的工作.分析了音视频联合建模的层级结构，利用动态贝叶斯网络对不同层级的音视频关联关系建立模型，并基于该模型进行音视频说话人识别的实验.通过对不同层级的建模过程及说话人识别实验的结果进行分析，结果表明，动态贝叶斯网络为描述音视频间的时序相关性和特征相关性提供了有效的建模方法，在不同语音信噪比的情况下均能提高说话人识别的性能.

手语识别的研究和实现具有重要的学术价值和广泛的应用前景.提出了基于混合元捆绑的隐马尔可夫模型(TMHMM)用于视觉手语识别.TMHMM的模型刻画精度接近于连续隐马尔可夫模型，因此能保证最终的识别率不会明显降低，同时通过混合元捆绑降低计算成本，有效地提高识别速度.在特征提取方面，提出的层次型特征描述方案更加适合于中等或更大词汇量的手语识别.在此基础上，通过集成鲁棒的双手检测、背景去除和瞳孔检测等技术，实现了一个面向中等词汇量的中国手语视觉识别系统.实验结果表明，提出的方法能较好地实现常规背景中的中等词汇量的手语识别.

提出了一种新的基于线性EIV模型的鲁棒估计算法——鲁棒扩充算法.该算法从结构化数据区域出发，逐渐扩充模型数据集，并不断更新模型参数的估计，直至找到所有模型数据.在每次迭代中，使用C-Step方法对集合进行调整，从而保证了算法的鲁棒性.同时，提出了关于粗差数据和结构化数据分布的结构化密度假设，结合Mean Shift算法，完成对算法的初始位置选取.仿真结果表明，该算法可以有效地处理含有多个结构和大量离群样本的混杂数据，与现有算法相比，具有更强的鲁棒性和更高的精度.

话题识别与跟踪(topic detection and tracking，TDT)旨在发展一系列基于事件的信息组织技术，层次化话题识别(hierarchical topic detection，HTD)是其中一项全新的任务定义形式.通过连续的大规模评测，话题识别与跟踪已成为国际上自然语言处理尤其是信息检索领域的一个研究热点.为此，将自然语言处理与信息检索技术相结合，提出了针对事件特点的切实有效的单粒度话题识别方法，并提出了基于多层聚类的MLCS算法对话题进行层次化组织.所提出的方法具有很好的效果，在TDT2004的HTD评测中，该方法取得了第2名的成绩.

通常，OpenMP程序开发将开发过程、程序正确性检测和性能分析分离开来.为此，提出动态并行区的概念，并在此基础上提出一种新的OpenMP程序开发模式，将OpenMP程序的开发过程、正确性检测和性能分析紧密地联系起来.在OpenMP程序开发的每一阶段，都能确保程序的正确性；同时，通过精确的性能分析与细微的性能调整，使得OpenMP程序的性能随开发的不断深入而逐步得到改进.据此开发的NPB2.3 OpenMP Fortran版的实测结果显示出该模式的可行性.

软件可靠性增长模型中测试阶段和操作运行阶段环境的不同导致了两个阶段故障检测率的不同.在随机过程类非齐次泊松过程(NHPP)中的经典模型G-O模型基础上，考虑运行剖面和测试剖面的不同，对测试阶段和操作运行阶段的故障检测率进行了转化，得到了较好的刻画测试阶段和操作阶段失效率差别的模型(TO-SRGM).最后，通过实例用最小二乘法对此模型的参数进行了估计.实验结果表明，在某些失效数据集上TO-SRGM的拟和效果比G-O模型和PZ-SRGM好.

分布式处理是数据流管理中的主流技术，聚集是分布式数据流系统中一种重要的连续查询类型.在分布式数据流环境中，由于需要连续计算聚集值，并且在分布式网络中连续传送聚集值，导致系统的通信开销非常大.为了有效地减少网络中数据流的传输量，提出了一种近似增量聚集算法(approximately incremental aggregate over distributed data stream，AIADDS).算法增量地计算网络中各个站点的聚集值，只有当聚集值的改变超出给定的阈值才向其他站点传送聚集改变量，这样，可以显著地降低网络的数据传输量.作为算法核心的VSB-Tree能够有效地合并、存储来自孩子站点的聚集值，同时增量地向它的父站点传送聚集改变量.理论分析和实验结果表明，算法是行之有效的.

在基于多维数据的分析中，分析人员面对的经常是庞大的数据立方体.联机分析处理虽然提供了灵活的展现和分析功能，却只能进行假设驱动的探查，很容易忽略重要信息.而已有的发现驱动的探查是基于局部异常的导航，容易受数据噪声的干扰.针对这些问题，提出了一种新的导航方法——异常分布驱动的导航.这是一种有效的辅助探查数据立方体的方法，可以循序渐进地引导用户至信息量大的数据部分.它将维和维成员作为探查数据立方体的脉络，基于数据分布特征为各个维和所有维成员计算奇异度，作为用户探查数据立方体的导航符.实验结果表明此导航方法是实用有效的.

为了解决乐观并发控制方法的不必要重启与即将超过截止期事务的重启引发的负载问题，提出了验证因子的概念及基于验证因子的实时多版本并发控制方法(MVOCC-VF).通过对验证因子的检测，优先调度完成度较高的事务；同时结合多版本技术增强事务调度的并发度，避免了更多的不必要重启问题，尤其能有效保证即将超截止期事务的完成，并证明了协议的正确性.实验结果表明:与已有的实时并发控制方法相比，MVOCC-VF降低了事务重启个数及超截止期百分率，提高了系统的总体性能.

在等值面的三角片逼近问题中，采样点的选择对于逼近等值面拓扑结构的正确性和逼近的精确性都非常关键.现有的Marching Cubes以及对其进行改进的方法缺乏对原始曲面拓扑结构的考虑，通常选择同类采样点，无法保证逼近等值面具有正确的拓扑结构.为解决上述问题，将Morse理论的基本思想引入到等值面逼近问题中，提出基于拓扑复杂度的等值面逼近的新方法.该方法根据体元内部曲面拓扑复杂度不同，自适应地提取两类等值点作为采样点：临界点和边界等值点.由于临界点是反映曲面拓扑结构的关键点，因此，无论原始曲面的拓扑结构复杂与否，新方法都能保证逼近等值面具有正确的拓扑结构、较高的逼近精度且基本不增加计算量和数据量.用实例对新方法和已有方法的逼近结果做了比较.

针对易错信道中传输视频图像容易发生差错而导致图像块丢失的现象，提出一种有效的空间域差错掩盖算法.根据周围正确解码块中的边缘信息把丢失块分成平滑块和边缘块两类.对于不含有边缘的丢失块用简单的线性插值进行恢复；对含有边缘的丢失块先用基于梯度的自适应预测(GAP)法获得丢失块的初始值，然后用最大后验概率方法对初始值进行优化.实验结果表明该算法能够获得优越的图像质量，同时计算复杂度低，适用于视频图像的实时性传输.

装配约束是用来支持分布式虚拟环境中装配交互操作的关键信息.装配约束信息的抽象性关系到对装配单元行为的支持力度，装配约束信息的组织机制决定了分布式虚拟装配计算机实现的效率.针对目前装配约束的抽象和使用方面存在的问题，首先研究装配约束的语义抽象与表达，从产品装配应用域中捕获知识，提取共性，归纳装配约束基本语义并形式化表达；然后提出一种扩展对象语义建模方法，通过该方法对装配约束语义进行组织，赋予其功能行为特性，构建装配约束语义模型.通过VEADAM系统实例，装配约束语义模型能够有效地支持分布式虚拟装配的实现，并能很好地适应应用的变化和扩展.

布尔与数值变量相混合的约束问题有着广泛的应用，但是当约束中的数值变量间存在非线性关系时该问题求解起来十分困难.目前的许多求解方法都是不完备的，即这些方法不能完全肯定某些包含非线性数值表达式的约束是否能够成立.针对这种问题，提出了数值与区间分析相结合进行数值约束求解的方法.已经实现了一个基于此方法的原型工具.实验结果表明，该方法能够有效、快速、完备地求解非线性混合约束问题.

HPL是大规模并行系统广泛采用的Linpack测试软件包.在HPL程序算法分析和实践测试的基础上，发掘了理论确定矩阵分块大小NB的规律，突破了长期以来对尝试性实验的依赖.进而将算法复杂性的估算提升到测试程序执行时间的精度，并建立HPL测试仿真模型，对执行时间进行更细致的评估.同时，在大量真实测试验证的基础上，利用该模型对各种系统性能提高因素将带给Linpack测试的益处进行预见,期望为体系的改进方向提供参考.

混合类型多媒体负载访问存储系统是一个复杂的过程，不同类型的多媒体应用要求存储系统提供不同的服务质量保证.存储系统需要一个有效的访问控制算法，为尽可能多的多媒体应用提供保证服务质量的服务.对混合类型多媒体负载访问存储系统的访问控制问题进行了系统的研究：定义多媒体应用访问存储系统的服务质量参数；建立并发多媒体应用的汇聚负载模型；推导出混合类型多媒体负载的访问控制约束条件；实现相应的统计学访问控制算法.仿真实验的结果表明，新的存储系统访问控制算法是有效的，并具有相当高的精确度.