强海杂波背景下的舰船目标检测

根据宽波束高频地波雷达用于探测海上舰船目标的要求，分析了目标的检测背景并对其中海杂波和噪声的统计特性进行了蒙特卡洛仿真，发现宽波束条件下海杂波和噪声具有类似威布尔分布的特性．利用硬目标在距离一多普勒二维平面上产生单尖峰的特点，提出了利用几种常见的恒虚警率检测并结合峰值检测，对实测数据进行二维独立双门限检测的方法．实验结果表明，几种常见的检测方法在给定虚警率为10^-4的条件下检测概率均能达到80％以上，检测效果比基于相位的检测法有了很大的提高，能够较好地满足硬目标检测的要求．     

基于递归高阶统计和改进分水岭算法的运动对象分割

提出了基于递归高阶统计和改进分水岭算法的视频图像序列中的运动目标分割算法．该算法首先利用递归高阶统计及多帧运动信息估计出图像序列中的运动区域，而后用一种改进的分水岭算法对提取出的区域进行空域分割，进而提取出视频图像序列中运动目标．实验结果表明所提出的算法能有效地提取出运动目标．     

源端网络中SYN洪流攻击的自适应检测

根据TCP连接建立过程中SYN请求分组与SYN／ACK应答分组一一对应的特性，提出了一种针对SYN洪流攻击的源端网络自适应检测方法．该方法采用简单滑动平均算法对实时统计数据进行平滑，根据对检测统计量的均值和方差的在线估计自动调整检测门限，并利用连续累计检测法来降低突发网络异常对检测结果的影响．性能分析和仿真验证结果表明，在检测时延不超过6个采样周期的要求下，该方法可检测的最低攻击流量约为正常流量的30％，并且检测结果的虚警概率低于10^-6，漏警概率低于10^-2．     

用二维阶次规正不变矩识别三维目标

论述了用二维投影图像的矩不变量来识别三维目标的方法．该方法有效地降低了目标识别的维数，简化了目标匹配和识别的算法．通过考察阶次规正不变矩ＯＮＭＩ的性能，证明ＯＮＭＩ有效地减小特征量的动态范围并提高了其抗噪性．分类结果表明，该特征量平衡方法比加权因子法更有利于目标的识别分类     

一种启发式多路径QoS路由算法

针对一般Qos路由算法没有考虑网络负载平衡以及与传统路由算法共存的问题，设计并实现了多路径QoS路由算法．该算法应用启发式搜索策略，计算出多条满足QoS要求的路由，并根据实际网络负载情况自适应调整路由策略、动态选路，以平衡网络负载，减少网络局部拥塞．仿真实验结果表明：该算法提高了网络资源利用率，并能与传统算法良好共存，具有较好的网络性能．     

一种改进的递归流分类算法

递归流分类(RFC)算法是目前具有代表性的一种流分类算法，其时间复杂度是O(1)，匹配速度非常快，但是它难以根据字符串类型域进行流分类．本文结合Aho-Corasick多关键字匹配算法的基本思想，通过为字符串类型域构造匹配自动机和CBM数组，扩充了RFC算法，使新算法能够根据字符串域进行流分类．试验结果表明，改进的算法性能良好，并且适用于某些不能直接使用原RFC算法的应用领域．     

基于小波变换的局部化数字水印算法

为了解决许多水印算法不能抵抗任意剪裁的缺点，提出了局部化数字水印算法．通过二维Mexican Hat小波变换提取图像中的多个特征点，在以特征点为中心的局部化区域中分别进行小波变换，并通过对小波系数进行单系数量化来实现水印信息的嵌入，同时水印的提取不需要原始图像的参与．实验结果表明，在剪裁后待检测图像中至少包含一个嵌入水印区域的前提下，该算法对JPEG、JPEG2000压缩和任意剪裁具有很强的抵抗能力．     

基于Rete模式匹配算法的入侵检测系统

设计并实现了一个基于专家系统的网络入侵特征检测系统．针对当前入侵检测推理机制中存在的时间冗余性问题，在入侵检测推理过程中采用了Rete模式匹配算法，对推理机制进行了优化．实验结果表明，该系统在检出率和检测效率上要明显高于未采用Rete模式匹配算法的系统，采用Rete模式匹配算法能有效地克服时间冗余性问题，并改善了系统的性能．     

改进的多目标粒子群算法

提出了一个改进的粒子群算法并将其用于解决多目标优化问题．该算法利用粒子群算法的信息传递机制，引入多目标演化算法常用的归档技术，采用SPEA2算法的环境选择和配对选择策略，使得整个群体在保持适当的选择压力的情况下收敛于Pareto最优解集．标准测试函数的数值实验结果表明，所提出的算法能够使找到的解集快速收敛到Pareto非劣最优目标域，并且解集沿着Pareto非劣最优目标域有很好的扩展性．     

网格自适应任务调度算法研究

对网格自适应任务调度算法进行概括性研究．针对传统的Min—Min算法的高效特性和Max—Min算法的负载平衡特性．以提高任务调度的时间跨度性能为目标．提出了一个循环选择执行的网格任务自适应词度策略（Adaptiv eMin—Min and Max—Min，A—MM）．实验表明．该算法在时间跨度等方面的性能较以往算法有较大提高．     

MUSIC算法在相干探海雷达中的应用

根据海杂波的频谱特性,运用对称阵列方法中提到的思想对传统的MUltiple SIgnal Classification (MUSIC)算法进行了两个方面的改进。一是对要进行特征值分解的矩阵进行重构,以解决有相干信号存在的问题;二是把算法推广到频域中执行,以满足目标信号的背景噪声是海杂波的特征。数值模拟的结果表明改进后的算法可以有效地进行相干雷达海洋目标回波的高分辨率空间谱分析。     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中,用户能准确识别数据类别,但在有些分类场景中,类别之间的顺序关系更容易被识别,为此,提出一种排序支持的交互数据分类算法。为提升交互分类精度,引入数据的顺序信息,为降低标记难度,提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法,用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证,将相关车辆分为高危车辆、中危车辆、低危车辆3类,算法的分类结果模型一致度达近98%,验证了方法的有效性。     

面向非平衡数据处理的样例惩罚支持向量机

支持向量机在处理非平衡数据集时常常不能取得良好的效果,因为其分类性能只考虑了总体分类精度,而忽略了不同类别样例之间的精度权衡.本文提出了一种基于样例分布的样例惩罚支持向量机,可以针对每一个样例根据其相应的分布特性选取惩罚以获得高敏感度的分类面.实验表明,该模型比标准支持向量机在非平衡数据上具有更好的性能.     

一种面向因特网环境的软件组件分类模式

针对已有的软件组件分类模式不适应使用要求的问题，面向因特网环境，提出了一种新的软件组件分类模式CSSC，该模式包括仆系分类子模式CSSC-S和分面分类子模式CSSC-F，其中CSSCS为因特网中的组件孥用搜索引擎提供信息支持，CSSC-F为检索引擎提供信息支持，论文结果表明CSSC模式能有效地支持重用者在因特网巾查询所需的软件组件。     

一种基于概率加权的朴素贝叶斯分类

朴素贝叶斯分类是一种简单而高效的方法,但是它的属性独立性假设,影响了它的分类性能。为了克服该问题,提出了一种基于概率推理的加权朴素贝叶斯分类模型。通过计算属性和类之间的相关概率和不相关概率,对属性赋予不同的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算     

基于遗传算法的多核支持向量机的参数优化

提出了利用遗传算法对多核支持向量机的权系数进行寻优的方法GA-MKL,先选择表现能力最好的参数的单核构成多核,再利用遗传算法来对多核的核系数来寻优.采用该算法在UCI标准数据集上进行了实验,结果表明,该算法为多核SVM的系数选择提供了一种可行的方法.与单核SVM相比,该方法具有更好的分类能力,和其他多核学习算法相比,性能也有一定的提高.     

基于图像深度预测的景深视频分类算法

景深视频因高清、美观广受大众喜爱。然而,要从海量视频中检出此类视频十分困难。已有较多研究基于景深图像成像原理,开展景深像素分割算法研究,但难以直接应用于实际视频分类场景。本文针对景深视频类型,设计了可预测视频类型的深度网络。根据景深成像原理,各语义物体之间相对相机的景深深度存在一定的逻辑关系。为此提出以图像深度为指导,利用深度预测模块预测图像的景深深度信息,将其合并后输入至分类网络进行训练检测,以降低景深视频误检率,提升网络模型的性能。此外,针对现实需求中该领域有标数据较少,而不同数据集分布会降低性能的问题,设计了迭代式景深视频数据集收集方法,以较低的劳动成本快速收集所需要的视频数据,具有一定的实际应用价值。本文算法在快手线上的景深视频数据集中识别准确率达85.7%。     

基于RBF核的SVM核参数优化算法

SVM是一种新型的机器学习方法,其分类性能的优劣主要受核函数及核参数的影响,国内外学者针对SVM核参数的选择已提出许多算法．本文首先分析TRBF核参数对SVM分类性能的影响,然后又对比分析了目前存在的几种基于RBF核的SVM核参数选择方法．通过实验,发现使用遗传算法选择核参数的SVM有比较快的搜索速度．     

一种基于多光谱波段选择的白细胞图像分类法

基于多光谱波段的优化理论，在白细胞图像各波段问相关性分析的基础上，对传统最大似然分类法进行改进，提出一种对白细胞图像选择最有效部分波段进行识别的分类方法．该方法通过贝叶斯理论与其他先验知识进行融合，提高了分类准确度，克服了传统最大似然分类法在图像识别过程中具有的数据量庞大、计算程度繁冗和识别速度慢等缺点．实验结果表明，在保证分类精度基本不变的条件下使计算效率提高了2倍以上，为今后图像特征提取和图像分割奠定良好的基础。