为满足火电厂节能降耗的内在需要，提出了厂级监控信息系统(SIS)平台下的机组负荷实时优化调度软件系统框架，实现了SIS和管理信息系统(M1S)的无缝集成和发电负荷自动分配．通过在线采集运行数据进行经济计算，实时拟合出各机组煤耗特性曲线，建立机组负荷分配的数学模型，在此基础上采用分层模糊遗传算法。实现了机组负荷的最优化调度．基于微软．NET Framework解决方案和Browser/Server多层架构设计思想，设计和实现了该实时优化调度软件系统．采用该软件进行负荷优化调度。可使全厂供电煤耗率比原来的值长制分配模式降低0．5 g/(kW ·h)左右。有利于电厂的节能降耗．

针对燃煤结焦过程的模糊性和非线性特点，采用模糊神经网络评估混煤的结焦特性，并用结焦倾向性指标作为动力配煤的约束条件．然后基于混沌优化算法在解空间的遍历性优势，以混煤煤价最低为目标，结合罚函数处理的约束条件方法，对电站动力配煤优化问题进行寻优．结果表明，模糊神经网络结合变尺度混沌算法对电站动力配煤问题具有相当好的实用性和适应性，它能在较短的时间内获得相对最优解，有利于对实时配煤进行在线监测．

针对故障状态下汽轮发电机组振幅的变化昱非线性的特性，文中建立了灰色系统理论与时间序列组合预测模型、基于分形拼贴定理及分形插值的预测模型以及基于最小二乘支持向量机的预测模型，并以某电厂200 MW机组的日平均振动峰一峰值作为实测数据，对所建立的3种非线性预测模型分另q进行拟合，进而对其预测性能进行分析及比较，得出了适合于汽轮发电机组的故障预测模型．

为提高医学图像的传输质量和编码效率，提出了一种新的位平面提升方法和基于感兴趣区域(ROI)形状估计的改进分层树集合分割排序(SPIHT)算法．位平面提升时，采用交错提升方法，在不需传输掩模的情况下实现感兴趣区域与背景的相对质量可调；对提升后的位平面，通过传输ROI外接规则形状的几何参数，根据估计的掩模信息超前判定零树，节省图像比特数．实验结果表明，在相同的截断码流下，相比SPIHT算法，改进的算法无论是ROI还是整幅图像都有更好的图像质量，且码率越低效果越明显．

针对基于图像边界Hausdorff距离场的图像配准方法存在的问题，提出一种基于最近点拟引力场的图像配准方法：假定参考图像边界点形成最近点拟引力标量场，用浮动图像边界点在该引力场中受力的均值作为相似度函数．该方法弱化了浮动图像中多余边界的作用，提高了算法精度，降低了误配率，解决了浮动图像中存在多余边界情况下的配准问题．

自适应分配技术的应用能优化多用户正交频分复用系统功率的使用．文中在对功率最优化问题进行分析后，提出了一种基于用户速率和信道特性的子载波分配算法．该算法不需要另外计算最终分配给各用户的子载波数，其分配过程包括基本分配和剩余分配两个步骤．在基本分配中保证各用户数据能被及时发送，在剩余分配过程中，以减小各用户所需的发射功率可达到最小值为原则进行子载波分配．仿真结果表明，该算法能有效降低系统的发射功率．

为解决垂直分层空时码的最优最大似然(ML)检测难以实现，而常用检测算法的性能受到错误传播影响的问题，提出了一种垂直分层空时码的迭代检测(ID)算法．该算法利用多天线接收信号的软信息进行迭代并行消除干扰，有效地降低了错误传播的影响．仿真结果表明，ID算法的收敛速度快，其检测性能比常用的ZF—DFE算法有明显的提高；在低信噪比区域，ID算法的检测性能与ML算法相当．

考虑到多输入多输出(MIMO)系统的收发分集优势和空间相关莱斯快衰落信道的普遍性，根据多变量统计学理论，推导出了MIMO系统在空间相关莱斯快衰落信道下平均成对差错概率上界的闭合表达式，发现随着信道空间相关性的增强或者莱斯分量的下降，系统误码性能呈下降趋势，最后通过仿真实验验证了理论推导的正确性．

提出了一种基于Hilbert分形结构的射频识别(RFID)标签天线的尺寸缩减设计．通过矩量法仿真，给出了Hilbert标签天线的谐振频率、方向图以及天线效率，并制作了一维Hilbert标签天线实物进行测试．仿真和实测结果表明，Hilbert分形结构天线的空间填充特性可有效转化为标签天线的尺寸缩减特性，而且一维Hilbert标签天线具有更高的天线效率．

为实现移动机械臂的输出跟踪控制，设计了一种动态滑模控制器．文中首先给出了包括驱动电机动态特性的移动机械臂简化动态模型，然后通过微分同胚和非线性输入变换将系统分解为4个低阶子系统，并给出了用于移动机械臂输出跟踪的动态滑模控制器的设计方法．仿真结果表明，所设计的动态滑模控制器不仅能很好地跟踪给定轨迹，而且能有效地削弱滑模控制系统的抖振．

针对线性控制系统自适应性较弱的缺点，在其基础上设计了一种基于在线神经网络的自适应控制器．该控制器根据被控对象和参考模型之间的误差调整网络权值，在线抵消被控对象的未建模动态特性和不确定因素．文中以某小卫星姿态控制系统为例，对所提出的自适应控制器进行设计和仿真．结果表明，神经网络以很高的精度跟踪和在线补偿不确定项，改善了线性控制系统的动态性能．

模型预测控制器可以实现为具有Anytime算法特征的模型预测控制(MPC)任务，它允许在执行时间和控制性能之间进行折衷．文中针对一组MPC任务，提出一种优化反馈调度算法(FS-CBS)，在有限处理器时间约束范围内使全局控制性能最大化．该算法为每个MPC任务分配了一个恒定带宽服务器(CBS)，并对CBS所预定的处理器时间进行动态调节，同时通过约束条件保证整个任务集的可调度性和各组分的稳定性．仿真结果表明，该算法对MPC运行时的执行时间变化不敏感，明显优于基本的CBS算法．

基于Lyapunov-Krasovskii泛函，利用矩阵不等式技术并采用非线性处理方法，研究了不确定多时变时滞Lurie系统，得到了两个新的以线性矩阵不等式描述的时滞相关的绝对稳定性的结果．其中不确定项是范数有界的，时滞是时变的．算例表明，与文献结果相比。所提出的方法的保守性较低，有效性好．

对反向传播(BP)算法中收敛速度最快的改进版本Levenberg-Marquardt BP(LMBP)进行了研究，找出了收敛速度的瓶颈：迭代控制参数的初始化会严重地影响到算法的迭代次数；涉及的矩阵求逆是每次迭代中最耗时的计算；如果每次迭代中的误差平方和没有变小，该次迭代可能需要很长时间．本文通过上下三角(Lu)分解去除耗时的矩阵求逆，并采取一维搜索来加速目标函数值的下降，使得LMBP不再依赖于迭代控制参数，从而提出了一种快速神经网络算法QLMBP．QLMBP算法的收敛速度比LMBP算法快100倍左右．

在分析影响税收主要因素的基础上，将反向传播(BP)神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．

目前金融界尚未有一个公认的能够准确解释真实股价行为的证券定价模型．文中在传统随机波动价格模型的基础上，考虑其所忽略的“现实金融市场中，大事件发生比较频繁”这一事实，同时引入证券投资者与证券价格之间的交互作用，提出了一种新的证券定价模型——带跳及反馈的随机波动模型．理论分析、数值仿真和实际应用结果都表明，与传统证券定价模型相比，新模型可更好地模拟现实的证券价格行为，具有预测精度高、速度快等优点．

提出一种在线多输出支持向量机回归算法：对新到达的样本，利用梯度下降算法，最小化预测结果的带_tY-~0项的即时风险，给出回归函数权系数和偏置的迭代公式，完成在线情况下的多输出回归预测．将该算法应用于投资决策，可以在线预测最优投资组合．仿真实验结果表明，该算法计算简单，工作量小，因而更容易实现．

为提高分类挖掘的准确度，在分析ID3，CA．5和进化算法(Ec)的基础上，设计了两个共同进化的种群分别表示选择的属性子集和分类规则子集，提出基于共同进化计算的分类规则算法(CRCEC)，并构建CRCEC算法的适应度评价函数．用4个加利福尼亚大学Irvine分校的数据集对CRCEC，ID3，C4．5和Ec算法进行测试比较，结果表明CRCEC算法分类准确度高，可以得到简洁的、可理解性强的规则．最后给出了CRCEC算法在公路车辆征费分类预测系统中的一个应用实例．

对用户输入的查询请求，如果搜索引擎系统能给出一个相关查询列表，将有助于用户进行查询修正，进而检索到用户所需要的信息．文中提出了一种利用支持向量回归确定相关Web查询的新方法．对一个给定的Web查询，首先从用户的使用记录中抽取候选查询的5个量化指标：被查询的次数、被查询的用户量、用户在反馈结果中的点击次数、与给定查询间的共有词项个数和点击相同网址(URL)的个数；然后用手工标记部分训练数据，进而建立支持向量回归模型。根据相关度的大小确定相关Web查询．实验结果表明该方法具有较高的准确度．

根据选播地址数量不多、使用频率高、多主机的特点，提出了一种基于扩张方法的选播路由算法．路由器根据选播服务器发送的expand报文和网络的各项性能综合度量，计算它应该加入的组成员分区，并在路由表中建立相应的项；再由该分区内的路由器将目标地址为该选播地址的请求以直接方式或者隧道方式转发到这个组成员．用网络仿真软件NS-2对所提出的路由算法进行仿真，结果表明，它可以降低传输时延，提高服务的可扩展性．

基于集中式带宽代理(BB)的接纳控制是区分服务网络提供端到端服务质量(QoS)保证的有效手段，文中针对目前带宽代理不能有效地支持端到端的QoS信令、难以解决重路由时的状态管理和拥塞控制的问题，设计了一种基于集中式带宽代理的接纳控制方案，给出了QoS状态信息库的定义及相应的接纳控制和状态管理算法，提出了重路由时的状态管理和拥塞控制策略，最后采用网络仿真软件NS．2对方案的有效性进行了验证。

为向端系统反馈及时准确的网络状态以提高TCP效率，同时避免主动队列管理(AQM)机制的诸多局限，提出一种基于网络测量的拥塞控制机制——利用分布在网络中的测量设施监测主干链路，再根据链路性能采用模糊控制技术指导端系统选择适当的FAST控制参数．仿真实验表明，该机制能承受更大的负载压力，达到高吞吐量，并能稳定排队时延，在高速网络中比AQM机制更稳定、更公平．相比突发性的Web流量来说，该机制更适用于类似P2P等数据量大、连接持续时间长的流量的拥塞控制．

为扩展多秘密共享的应用范围，基于Shamir的门限秘密共享方案，提出了一般访问结构上的多秘密共享方案．该方案与现有方案不同的是：一次秘密共享过程可以同时共享任意多个秘密；系统中各个参与者的秘密份额可以重用，其长度等于一个秘密的长度．分析表明，与现有方案相比，该方案降低了秘密分发算法和秘密重构算法的计算复杂度，实现了多个秘密的共享，提高了系统性能．

针对知识在知识合作网络中的传播特征，结合复杂网络理论，提出了一种网络上的知识传播模型．该模型将由知识扩散所引起的知识增长当作一种知识产品的合作生产，引入柯布一道格拉斯生产函数，并分别考察在个体不进行知识自我增长和进行知识自我增长情况下的知识传播．研究结果表明，在其它条件相同的情况下，网络的随机化程度越大．网络中知识的扩散速度越快，知识的分布越均匀．

针对当前电子设备能耗不断增加的问题，对Linux下的动态电源管理进行了研究，在介绍一种基于随机模型的适应性动态电源管理(DPM)算法的基础上，详细给出了该算法在Linux下的实现方案：观察器的代码驻留在内核中，用来观察系统资源的使用情况；策略优化过程利用PCx进行线性规划求解；控制器通过发出硬件命令直接控制硬件．试验结果表明，所提出的DPM算法可以有效地降低系统功耗，在实现中不需要对Linux内核进行很大的修改，对系统性能的影响几乎可以忽略．

针对基于二值逻辑的主观逻辑中存在的一些问题，提出了基于Dirichlet分布的扩展主观逻辑．在利用三值逻辑代替原来二值逻辑的基础上，扩展主观逻辑重新定义了事实空间与观念空间之间的映射关系和映射函数，并给出了新的扩展合意规则．扩展主观逻辑保留了主观逻辑基于统计推断和概率理论的优点，并考虑了事件结果不确定时的情况，从而可更好地建模和处理信任中的主观性和不确定性．实例分析表明，扩展主观逻辑具有合理的事实根据和理论基础．