为了使机器人通过触觉感知外部环境信息，弥补视听交互信息缺失的不足，根据聚偏氟乙烯（PVDF）材料的压电效应设计开发基于触觉传感器和卷积神经网络的机器人触觉识别系统，能够根据所采集的触觉信号识别出材质类型. 提出基于渐进式级联卷积神经网络的触觉识别算法. 该算法基于卷积神经网络提取机器人传感器的信号特征，包括经过短时傅里叶变换的触觉数据频谱图和信号表征周期内的时域特征. 为了解决特定材质识别混淆的问题，利用K-Medoids聚类算法和动态时间规整（DTW）距离度量算法将分类过程区分为粗、细2个层次，构建渐进式分类模型. 实验表明，设计的触觉传感器对物体材质的平均识别正确率约为97%，机器人能够成功识别触摸到的真实材质，为下一步的探索交互任务奠定基础.
针对无人机室内定位容易出现漂移的问题，提出基于改进多状态约束卡尔曼滤波器（MSCKF）的无人机（UAV）室内定位方法. 该方法在MSCKF的框架下，提出高鲁棒性、低时延的标志点检测方法. 利用在世界坐标系下坐标已知的标志点计算得到无人机位姿，实现惯性测量单元(IMU)信息与单目视觉信息融合以及无人机位姿修正. 对提出的定位方法进行测试. 测试结果表明，该方法的定位误差小于0.266 m，与OpenVins和LARVIO开源算法相比，定位精度提高了54.6%以上.
针对光伏系统积灰程度监测的问题，考虑到基于理论公式的方法误差较大，基于计算机视觉的方法成本较高，传统机器学习方法对训练数据有较高需求，提出弱监督的数据驱动方法：改进型相似性建模（SBM）方法. 在原始的SBM方法的基础上，对参数选取、状态矩阵构建与更新、相似性算子设计进行针对性的改进，使得该方法更加适用于光伏系统的应用，提高准确性与响应速度. 利用真实的积灰实验数据，对改进型SBM方法与其他5种方法的积灰诊断效果进行对比，包括基于理论公式的方法、前馈神经网络（FNN）、支持向量回归（SVR）、随机森林（RF）和原始SBM方法. 结果表明，改进型SBM方法可以以可接受的响应速度劣势实现最佳的积灰程度监测准确性.
针对病理图像染色不均匀及良恶性难以鉴别的问题，提出基于Cycle-GAN和改进的双路径网络（DPN）的算法框架. 利用Cycle-GAN进行颜色归一化处理，解决因病理图像染色不均匀导致的检测模型精度偏低问题，通过对图像进行重叠切片，基于DPN网络采用增加小卷积、反卷积和注意力机制，增强模型对病理图像纹理特征的分类能力. 在BreaKHis数据集上的实验结果表明，所提算法有效提高了乳腺癌病理图像良恶性分类的准确性.
针对风电大规模并网将增加电网调频需求的问题，提出考虑风电不确定性的风电机组同时参与能量市场与调频市场的日前投标方法.分析风电场在2种市场中的收益机制，在调频市场收益中考虑调频性能指标（FRPI），提出调频性能指标的估值方法. 分析风电场参与2种市场的投标策略. 利用核极限学习机（KELM）和核密度估计（KDE），建立风电功率概率预测模型KELM-PSO-KDE.基于功率概率密度的预测结果，以风电场收益最大为目标函数建立优化模型，利用蚁狮优化（ALO）算法求解该模型，得到风电场同时参与2种市场的日前最优投标功率. 风电场真实数据的仿真表明，提出的风电场同时参与2种市场的投标策略，可以使风场侧获得更大收益，有助于缓解电网的调频压力，具有优越性和普适性.
为了实现更高效的P300信号特征提取，提出融合Inception网络和注意力机制模块的卷积网络模型，即IncepA-EEGNet. 该模型使用不同感受野的卷积层进行并行连接，增强网络提取和表达脑电信号的能力. 引入注意力机制实现不同过滤器特征的权重分配，提取P300信号中的重要信息. 模型在BCI Competition III数据集II的2个受试者数据上进行验证. 与其他深度学习模型相比，IncepA-EEGNet的字符识别率在5个实验轮次后达到平均75.5%，在3个轮次后受试者B的信息传输速率达到33.44 bit/min. 实验结果表明，IncepA-EEGNet有效提高了P300信号的识别精度，减少了重复试验的时间，改善了P300拼写器的实用性.
针对多源聚合下同时对齐域不变特征较困难而造成分类精度不高的问题, 提出基于自监督任务的多源无监督域适应法. 该方法引入旋转、水平翻转和位置预测3个自监督辅助任务, 通过伪标签性、语义信息的一致性对无标签数据进行自适应的对齐优化. 构建新的优化损失函数, 减少多域公共类别的分类差异. 针对类别不均衡的问题, 基于少样本大权重的原则, 定义动态权重参数, 提高模型的分类性能. 在公开的Office-31、Office-Caltech10 2种基准数据集上, 与现有的主流方法进行实验对比. 实验结果表明, 在类别均衡、不均衡2种情况下, 分类精度最高可以提高6.8%.
针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题，提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪；采用Canny边缘检测算子对去噪后影像进行边缘提取，提取结果与去噪后影像进行波段重组，利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度，开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型，对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞，实现水体提取. 实验结果表明，采用AUCSN方法进行水体提取，不仅提高了提取效率，而且提取精度能够达到96%.
为了解决现有的车型识别算法对车型特征描述不充分的情况，提出融合注意力机制的高效率网络车型识别算法. 利用高效率网络中的复合缩放方式来平衡网络的深度、宽度和分辨率，将深度可分离卷积集成到基础特征提取模块中来提高模型准确率. 增加双通道的残差注意力机制来关注图片中的关键信息，获得含有更加丰富语义信息的特征图. 在网络的末端添加单独的softmax分类器，使用标签平滑正则化对损失函数进行处理，减小模型过拟合的问题. 在BIT-Vehicles数据集上进行实验，结果表明，提出方法的平均分类准确率为96.83%，较改进前的模型提高了1.11%，优于现有DCNN、Faster-CNN的改进算法，较Faster R-CNN提升了7.16%.
针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题，提出基于优化预测定位的单阶段目标检测算法EL-SSD. 通过双向加权特征金字塔将原SSD预测特征图特征融合，对输出特征图进行特征位置信息解码后进行特征通道权重再分配，提升了特征语义信息，捕获了跨通道位置信息. 通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制，提高在检测阶段对选择目标的定位精度. 实验结果表明，EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8%，比原SSD算法提高了2.6%. 在COCO数据集上的精度达到29.4%，比原SSD算法提高了3.5%，在检测图片上的目标定位效果及小目标检测效果明显优于SSD, 适用于需要高定位性能的实时应用场景.
为了解决卷积神经网络(CNN)在语义分割特征提取阶段容易丢失空间信息以及边界信息不明确的问题，基于U-Net基线网络提出空间全局上下文信息网络(NC-Net). 增加再编码阶段(ReEncoder)，以增强空间信息识别能力. 在Decoder阶段输出多尺度特征，与ReEncoder阶段结合获取全局上下文信息. 保留边界损失函数，设计多尺度损失函数级联方法，优化整体网络. 在GID以及WHDLD数据集上的实验结果表明，该方法的总体准确度达到最好成绩，明显优于其他基线模型.
为了解决传统意象定位中感性意象部分信息丢失及用户模糊的个性化需求不完全表达的问题，提出基于改进加权SO（WSO）算法的集群用户个性意象预测研究. 建立用户特征域，基于K-modes算法计算用户差异度，确立用户集群. 对甄选样本实施兴趣度排序及自主性意象评价，创建集群意象因子集. 引入用户相似度优化WSO算法，增强集群用户间的内在联系，精准预测目标用户黑箱的个性意象分值. 基于语义差异问卷及平均绝对误差分析验证黑箱意象，输出集群中单一用户的个性化意象，实现意象预测. 以无人机为例，预测用户的个性意象，误差小于0.5被舍去，表明该方法能够较好地实现用户模糊的意象黑箱透明化，且预测的意象符合用户的个性化需求，可以有效辅助设计师有针对性地设计.
针对基于语义分割的车道线检测方法存在的特征表述模糊、语义信息利用率较低的问题，采用实例分割算法，提出基于改进混合任务级联（HTC）网络的车道线检测方法. 基于HTC网络模型，在主干网络中引入可变形卷积，提升主干网络对复杂环境中车道线特征的提取能力. 改进特征金字塔网络结构，在特征金字塔网络的基础上添加自底向上的低层特征传递路径，引入空洞卷积，在不损失车道线特征信息的情况下增加特征图感受野，利用低层特征中所包含的车道线的精确定位信息，提高车道线的检测精度. 实验结果表明，改进HTC网络模型可以实现车道线特征的鲁棒提取，在复杂道路环境中可以获得较好的检测性能，有效提高了车道线检测精度.
针对上行免调度非正交多址接入（NOMA）场景中多用户检测的问题，通过结合传输数据的符号特征，提出基于深度神经网络（DNN）的联合活跃用户检测和数据检测框架. 考虑更一般化的实际场景，即用户在每个时隙中随机活跃. 将DNN求解结果作为改进的正交匹配追踪(OMP)算法先验输入，修正提升活跃用户检测和数据检测性能. 仿真结果表明，提出的多用户检测方案比传统的贪婪追踪及动态压缩感知（DCS）多用户检测算法具有更好的用户活跃性及数据检测性能.
为了解决太阳能电池样本不均衡问题，提出负样本引导生成对抗网络的太阳能电池缺陷样本增强方法. 通过在生成对抗模型中引入大量负样本和增加负样本引导损失，促进模型对正样本特征的表达，提升生成样本的多样性；设计自适应的权值约束方法，平衡生成器和判别器的表达能力，提升生成样本的质量. 实验结果表明，在太阳能电池电致发光(EL)缺陷数据集上，提出方法的生成质量和检测精度优于深度卷积生成对抗网络（DCGAN）、梯度惩罚Wasserstein距离生成对抗网络（WGAN-GP）和一阶导数生成对抗网络（FOGAN）；该方法的F测度较DCGAN、WGAN-GP和FOGAN分别最高提升了10%、8%和5%，具有较好的数据增强性能. 在带钢表面缺陷数据集及DAGM 2007公共数据集上，提出方法的性能优于DCGAN、WGAN-GP和FOGAN，具有一定的泛化能力.
为了从功能磁共振成像（fMRI）数据中识别到高质量的脑效应连接网络，提出双萤火虫种群并行搜索的脑效应连接网络学习方法. 利用2个萤火虫种群寻优完成脑效应连接网络的学习，将萤火虫种群划分为精英种群和普通种群. 通过精英种群的定向移动和普通种群的随机移动，分别逐步构建脑效应连接网络；在网络构建过程中，利用种群迁移操作动态地调整精英种群和普通种群的种群规模，以实现两种群之间的信息交流. 每隔一定代数，使用基于多样性度量的种群自适应更新机制，动态地进行2个种群的更新. 在多组模拟数据上的实验结果表明，新算法与其他算法相比，在识别总体性能上具有明显优势. 在真实数据上的实验表明了算法的潜在实用性.
为了准确识别分布式拒绝服务（DDoS）攻击态势预警级别，研究DDoS攻击态势预警技术，设计DDoS攻击态势预警模型逻辑结构，定义区域网络安全脆弱性因子（SVF）. 基于长短时记忆（LSTM）网络流量预测模型和区域网络安全脆弱性因子，提出基于动态自适应阈值的DDoS攻击态势预警模型. 提取IP数据包统计特征（IPDCF），使用LSTM预测模型对IPDCF序列建模，对正常流进行预测. 根据预测结果和SVF实时动态地计算预警阈值和预警区间，基于预警阈值和预警区间设定态势预警级别. 实验结果表明，利用该模型能够实时、有效地预警DDoS攻击态势，准确地识别DDoS攻击态势安全级别.
为了求解置换流水车间调度问题，提出基于共生生物搜索（SOS）算法与局部搜索策略结合的混合共生生物搜索算法. 采用最大排序值的优先规则，处理离散的搜索空间. 在初始化阶段结合NEH启发式算法以提高初始种群的质量. 在优化过程中引入交换变异来改善种群内的多样性，插入-倒转区增加算法跳出局部最优的能力；采用局部搜索策略提升算法的全局探索能力，有效避免了共生生物搜索算法易早熟、后期搜索效率低、易陷入局部最优等缺陷. 通过3个最常用、最专业的标准测试集Carlier、Rec和Taillard对算法性能进行测试. 与其他多种算法进行比较，验证了提出的混合SOS算法的优越性和稳定性.
针对车联网（VANETs）场景下存在的恶意车辆节点和虚假信息的问题，提出基于层次分析法（AHP）的车联网多因素信誉评价模型. 该模型综合考虑车辆行为、消息、环境等因素对车辆节点信誉的影响，建立车辆信誉评价模型；面向多应用场景信息（安全行驶、交通管理、商业娱乐），使用层次分析法量化各因素及不同类型信息对车辆信誉的影响程度；基于反馈机制根据信息的不同类型进行车辆节点的信誉更新，实现车联网车辆的信誉评估. 实验表明，该模型在恶意车辆节点达到25%的情况下，车辆决策正确率能够达到92%以上. 该方案能够有效防止车辆接收虚假信息，准确检测出网络中的恶意车辆节点，提高车辆接收信息的可信度.
为了提升滤波器组多载波（FBMC）系统的通信质量，针对符号检测与信道估计问题，研究系统框架和虚部干扰问题，提出基于深度学习的FBMC系统信道估计与检测方法. 搭建完整的FBMC-偏移正交幅度调制（OQAM）系统与深度学习模型结合的仿真系统，设计接收数据的特征与标签处理；采用ResNet-DNN神经网络对信道符号检测模块建模，改进原模型网络结构和优化模型参数，和传统的分类器相比，提高了符号检测的准确性；采用CNN+NN模型对信道估计、均衡、符号检测模块进行建模和集成，理论分析和仿真结果表明，新方法的抗噪声能力、鲁棒性和误比特率（BER）性能均优于正交频分复用（OFDM）系统和基于导频估计的FBMC系统性能.
为了解决室内监控时摄像头的隐私泄露问题和可穿戴设备的侵入性等问题，同时针对传统雷达步态识别算法中的行走条件限制问题，提出基于超宽带（UWB）雷达的自由空间步态识别算法.算法沿慢时间轴对目标行走动作产生的雷达步态信号进行分割产生一系列子信号；对于每个子信号，在距离单元上分别进行傅里叶变换得到距离-多普勒图像，这些距离-多普勒图像前后之间存在时序关系；利用方向梯度直方图算法对属于同一个步态信号的一组距离-多普勒图像进行特征提取，采用长短期记忆网络对得到的特征进行时序建模以获取目标身份分类结果. 实验在空旷的室内环境中进行，对四人的步态分类准确率为79.10%. 结果表明所提出的算法对自由空间中不同个体的步态具有一定的区分能力.
针对传统D*路径规划算法搜索效率低、成本较高的问题，提出有向D*算法. 该算法考虑目标点与障碍物信息，引入关键节点概念，逐级扩展确定可行路径，并且引入导向函数以控制单次搜索的节点搜索范围来提高搜索效率；在原欧几里得评价指标的基础上引入路径平滑度函数对偏移路径进行惩罚，避免机器人无效转弯而增加移动成本；通过路径平滑度函数中的“转弯因子”协调路径长度与平滑度之间的关系，给出路径平滑度函数的分段原理与转弯因子的确定方法，并对算法收敛性进行证明. 在不同环境下的仿真实验表明，该算法较传统算法能更好地兼顾局部搜索与全局最优性，尤其适用于障碍物较多的复杂环境.
为了提高使用传统特征的有效卷积操作算法（ECOhc）的跟踪性能，提出基于各向异性高斯分布的视觉跟踪算法. 该方法根据不同目标的形状比构造水平和垂直方向上带宽不同的各向异性高斯函数，利用该函数训练跟踪器预测目标位置，提高算法的跟踪精度；提取颜色直方图特征跟踪预测新的目标位置，并在决策层加权融合2个预测位置，进一步提高跟踪精度. 在标准数据集OTB-100、VOT2016中测试算法，本研究算法在数据集OTB-100上的平均距离精度为89.6%，平均重叠率为83.7%，比ECOhc算法分别提高4.67%、6.62%；本研究算法在数据集VOT2016上的平均期望重叠率为33.3%，比ECOhc算法提高3.42%. 所提算法能有效提高目标跟踪的精度，在遇到遮挡、光线变化、变形等干扰时仍能稳定跟踪目标.
针对现有基于信任的推荐方法通常直接利用社交网络的二值信任关系来提高推荐质量，较少考虑用户间信任强度的差异和潜在影响的问题,提出结合用户信任和影响力的混合推荐算法进行top-N项目推荐. 采用自动编码器对用户行为进行无监督的初始特征优化，将高维、稀疏的用户行为压缩成低维、稠密的用户及项目特征向量；提出融合用户交互信息、偏好度和信任的新型信任度量模型，发掘社交网络中用户间的隐含信任关系，重构社会信任网络；将社会信任网络的拓扑结构和用户的交互信息融入结构洞算法，通过改进的结构洞算法来识别网络中的影响力用户，提高top-N项目推荐性能. 实验在FilmTrust、Epinions、Ciao这3个标准数据集上进行对比验证，实验结果证明了所提算法的有效性.
针对局部运动模糊图像复原的病态性和背景被破坏的问题，提出基于编码曝光和运动先验信息的局部模糊图像复原方法. 分析编码曝光成像理论模型，建立最优码字选取的适应度函数准则. 通过物像关系，获得运动目标的点扩散函数（PSF）像移尺度初步估计参数，作为运动先验信息. 采用背景差分法进行目标提取，综合编码曝光运动模糊图像的叠加特性，实现对运动模糊目标区域的精确提取. 结合先验信息，引入基于贝叶斯最大后验概率框架的student-t复原算法进行PSF精确估计和复原重建，快速迭代得到复原结果. 搭建实验仿真系统，并开展针对实际运动目标的复原实验. 实验结果表明，该方法能有效改善传统曝光中运动模糊复原的病态性问题，抑制复原过程中目标图像边缘振铃及背景噪声的放大效应，所复原图像具有更好的主客观评价结果.
针对信息增益算法只能考察特征对整个系统的贡献、忽略特征对单个类别的信息贡献的问题，提出改进信息增益算法，通过引入权重系数调整对分类有重要价值的特征的信息增益值，以更好地考虑一个词在类别间的分布不均匀性. 针对传统专利自动分类中训练集标注瓶颈问题，提出基于改进三体训练算法的半监督分类方法，通过追踪每次更新后的训练集样本类别分布来动态改变3个分类器对同一未标记样本类别的预测概率阈值，从而在降低噪音数据影响的同时实现对未标记训练样本的充分利用. 实验结果表明，本研究所提出的分类方法在有标记训练样本较少的情况下，可以取得较好的自动分类效果，并且适当增大未标记样本数据可以增强分类器的泛化能力.
为了识别人体光电容积脉搏波（PPG）信号中表征血液流变信息的动力分量并分析其特点，设计低氧实验. 测量30位受试者在正常氧（20%~21%）和极端低氧（15%~16%）2种氧气体积分数环境中的PPG信号，利用希尔伯特黄变换（HHT）算法分解信号. 通过经验模式分解得到，PPG信号中实际表征血液流变信息的动力分量为固有模式函数IMFX，其时域特点有2个，一个是有类似动脉收缩舒张的波形，另一个是周期性振荡. 基于Hilbert变换得到IMFX的瞬时频率和边际谱，其瞬时频率大多为1.5~2.5 Hz，且在低氧环境中此频率段内的边际谱幅值显著小于正常氧环境情况下的（P<0.05），证明利用该特征可以有效识别低氧诱导的血液流变变化.
为了探究图像底层视觉特征与高层语义概念存在的差异，提出可以确定图像关注重点、挖掘更高层语义信息以及完善描述句子的细节信息的图像语义描述算法. 在图像视觉特征提取时提取输入图像的全局-局部特征作为视觉信息输入，确定不同时刻对图像的关注点，对图像细节的描述更加完善；在解码时加入注意力机制对图像特征加权输入，可以自适应选择当前时刻输出的文本单词对视觉信息与语义信息的依赖权重，有效地提高对图像语义描述的性能. 实验结果表明，该方法相对于其他语义描述算法效果更有竞争力，可以更准确、更细致地识别图片中的物体，对输入图像进行更全面地描述；对于微小的物体的识别准确率更高.
为了提高三维动态曲面在噪声和遮挡下的对准精度，提出时空等距随机游走图算法. 该算法根据相邻两帧采样点的乘积空间定义图节点，通过时空相邻性进行节点裁剪处理. 以测地距离定义图边约束，将等距映射转化为图稳定性节点选择的随机游走问题. 通过马尔可夫链理论，计算得到最终的对应结果. 通过对不同动态曲面数据库的实验分析表明，该算法针对具有明显噪声和空洞的三维动态曲面能够得到一致性对准关系，性能优于已有算法.
针对云服务模式下设计方案在多目标优选决策过程中未能充分考虑到用户多元化和差异性的需求问题，提出结合质量功能配置和粗糙集理论的设计方案优选决策方法. 该方法在分析云服务模式的基础上，引入用户参与的设计决策过程方式和模糊评价机制，对用户需求进行聚类分析和智能转化. 建立面向用户需求的设计方案评价指标体系，对网络化协同设计过程中的设计方案评价指标的重要度进行准确量化. 遵循科学性与系统性相结合的原则，提出云服务模式下设计方案优选决策三阶模型. 结合粗糙集理论和粗糙逼近理想解法，对该模型进行求解. 以云服务平台上的游艇设计方案为例，验证该方法的有效性和可行性.
