为获得正确的节点次序，提高K2算法的执行效率和精确度，提出一种构建基因调控网络的IE―K2算法。基于两个节点互信息构建无向图，通过引入联合信息熵来获得最佳的节点次序。在Alann网络中的实验结果表明，其预测的准确率优于爬山算法和随机节点顺序的K2算法；将IE―K2算法用于构建酿酒酵母的基因调控网络，通过现有文献证明了调控关系的正确性，结果显示了该算法的有效性。

为了提高三维点云数据配准的效率, 提出一种基于法向量分布特征的关键点初始匹配与迭代最近点(ICP)的精确配准的两步点云配准算法。首先, 定义点云的邻接区域和法向量分布特征计算模型, 提出基于该模型的关键点选择算法; 其次, 为每个关键点建立局部坐标系, 计算关键点的快速点特征直方图, 使用采样一致性配准算法匹配关键点的特征, 去除错误匹配点, 求解出变换矩阵, 完成初始配准; 最后, 使用ICP算法, 对多视点云的初始配准结果进行精确配准。实验结果表明, 在散乱点云数据和自获取的深度点云数据配准中, 该算法能够在确保配准精度的同时有效提升配准效率。

针对融合识别领域中不同框架下多源异类传感器的不确定证据信息无法有效融合的问题, 提出一种基于条件证据网络的多源异类知识融合识别方法. 该方法将战场协同作战中不同框架下多源异类传感器的领域知识统一在证据网络的结构下, 形成多源异类知识融合识别模型, 对多源异类传感器的不确定性证据信息进行基于条件证据网络的融合推理, 得到识别结果. 仿真实例验证了所提出方法的优越性.

针对多传感器的目标识别问题，利用异类传感器数据多样性的特点，通过可信度的概念将多种数据进行融合。根据目标信息的不确定性，引入模糊物元分析法确定特性熵权，用Vague集表达目标的特征值，根据Vague度距离给出目标识别结果。实验仿真表明，异类传感器比同类传感器能更好地融合信息，提高目标识别效果。

针对不同分布海杂波的抑制及目标检测问题，首次将自适应噪声对消器应用在海杂波的处理中，并且将此对消器与小波分解理论相结合来抑制海杂波，提取出目标。首先，对含有目标的海杂波信号进行小波分解。然后，类比自适应噪声对消器模型，设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号，经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后，通过MATLAB仿真，分析采用不同的小波基函数和不同的分解层数的杂波抑制效果，验证此种算法对于海杂波抑制的有效性。

提出了一种基于离散小波变换的半脆弱水印认证算法。利用小波系数之间的相关性作为图像特征水 印，利用小波系数块均值量化来嵌入，在鲁棒性和脆弱性方面达到很好的平衡。该算法能够识别图像的恶意篡改， 并定位篡改发生区域，而对通常的图像处理具有一定的鲁棒性。

一种基于木马程序的远程控制与实现，一种基于木马程序的远程控制与实现

在基于先验信噪比的维纳滤波语音增强算法的基础上，结合语音端点检测算法，本文提出一种新算法。新算法在语音端点检测的基础上，通过平滑处理更新噪声信号功率谱以适应噪声不稳定的环境；通过计算有声段噪声信号估计值，将有声段的噪声影响纳入考虑范围；通过每个语音段自适应调节噪声功率谱，实时的计算出先验信噪比。最后将该算法与改进前算法进行仿真比较验证，该算法有更好的语音增强效果，在非稳定噪声环境中较好的抑制了噪声残留，提高了语音的可懂度。

针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求，设计了一种基于局部窗口的SAR图像目标检测算法．该算法在对获取的SAR图像进行去噪和分割处理的基础上，基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略；同时，通过SIFT 特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测．实验结果表明，该算法对复杂背景和光照、旋转变化有较强的自适应性，获得了理想的目标检测效果．

 随着现代科学技术的进步，数字水印技术逐渐成为了人们研究的一个热点问题。本文旨在研究临界可见误差（Just Noticeable Difference， JND）模型的小波域图像盲水印算法，并根据人类视觉系统（Human Visual System， HVS）的视觉特性，对宿主图像进行了二阶小波变换，并提出了较为新颖的实验算法，对实验结果进行了较为充分的分析。实验结果表明，在满足数字水印不可察觉性的基础上，本算法对于一些常见的水印攻击，都可以保持良好的鲁棒性，是一种有效的盲水印算法。