针对三维人脸识别的高复杂度和二维人脸识别无法提供粒状线索的问题，提出一种全自动3D人脸表情识别算法，该算法主要是提供比2D人脸识别更多的线索，同时降低计算复杂度。通过保角映射将3D人脸转换到2D平面，保留了面部变化的线索，提出了基于优化算法的差分进化（DE）算法用于提高识别效率，同时提取最优人脸特征集和分类器参数，加速鲁棒特征池描述了所有预期的人脸特征点。在博斯普鲁斯、FRGC v2及笔者搜集的人脸数据集上的实验结果表明，算法解决了三维人脸识别的高计算复杂度和二维人脸识别的线索低的问题，并在不降低识别性能

最近几年,以微博为首的社交网络迅猛发展,这些平台上包含了网民对于时事热点的观点,对生活和人际关系的看法等大量有价值的信息和资源。由于微博数据非常庞大又难以获取等困难,如何有效地对社交网络进行数据挖掘,是近两年数据挖掘研究的重点和热点。本工作设计和实现了一个基于Hadoop 的并行社交网络挖掘系统,包含了分布式数据库,并行爬虫,并行数据处理和并行数据挖掘算法集,可以有效地获取和分析挖掘海量的社交网络数据,为社团分析,用户行为分析,用户分类,微博分类等工作提供支持。

采用FLUENT软件对搅拌器内部流动情况进行了二维数值模拟,研究了不同桨叶直径、桨叶转速和桨叶数对搅拌器内部流场的影响。结果显示:在同一工况下,桨叶直径为600mm的搅拌效果比桨叶直径为400mm和500mm的搅拌效果好;桨叶转速为6rad/s的搅拌效果比桨叶转速为2rad/s和4rad/s转速效果好;八叶桨式搅拌器的搅拌效果较四叶桨式搅拌器和六叶桨式搅拌器稍好。模拟证实搅拌器桨叶直径、桨叶转速和桨叶数的增加有利于搅拌的混合均匀,但桨叶直径和桨叶数的增加使得搅拌器桨叶加工复杂,生产成本提高;桨叶转速也受制

为更好地实现机器鱼之间的协作，避免只规划单个机器鱼的最优路径而使系统运动有失协调性，提出基于合作博弈的多机器鱼路径规划方法。利用博弈论中的合作博弈建立数学模型，将系统中的多机器鱼对应于博弈的参与者，对多机器鱼路径构造合作模型下的博弈方得益函数，求得系统的帕累托(Pareto)最优解，从而得到整个系统的最优路径。在水中机器人2D仿真平台上进行实验分析并用Matlab模拟机器鱼轨迹。分析结果表明，该路径规划理论应用在多机器鱼运动系统中是有效、可行的。

固有频率对硅加速度计的性能影响很大。针对目前硅加速度计的固有频率计算公式误差大的缺点,利用力学原理推导了悬臂梁式和双端梁式硅加速度计固有频率的计算公式。计算结果与有限元软件仿真分析的结果相符。推导的公式能快速准确地计算压阻式硅加速度计的固有频率,并可直接用来编程,避兔了有限元仿真分析需要反复建摸的复杂过程,简化了优化设计的过程。

模乘运算的速度决定了公钥加密系统和众多通信系统的系统性能。通过分析Walter等学者对蒙哥马利算法的研究成果，得到运算精简基2-MMM算法，实现基于运算精简算法的线性脉动阵列模乘法器。在验证改进算法正确性后，对模乘法器进行功能仿真和综合。用TSMC0.18μm标准单元库综合，可以工作在200MHz时钟下，等效单元为42k门，完成1024bit模乘法运算需15370ns。

探讨了一种适用于SINS/DVL组合导航系统的滤波原理,通过分别建立捷联惯导系统误差模型和多普勒误差模型,利用间接卡尔曼滤波原理和反馈校正法,对系统进行仿真与分析,由惯性器件的误差方差通过导航系统的误差模型得出导航参数的误差方差,结果表明,该组合导航系统的定位精度要远远高于单纯捷联惯导系统。同时,针对SINS/DVL组合导航系统工作特点及特定情况下AUV的定位精度要求,提出了一种GPS辅助SINS/DVL组合导航系统导航定位的方案。

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．

驾驶员因素是导致交通事故发生的主要因素之-，综合号虑年龄、性别、累计驾驶时间、生理状况等多个驾驶员特征参数，通过部卷调查的方式，利用BP神经网络分析技术，建立具有不同隐含层、神经元个数、作用函数的神经嘲络结构。对驾驶员因素与交通事故二者之间的内在关联性进行研究，确定最优的神经网络结构对事故率进行预测。结果表明，采用神经BP叫络对驾驶员交通事故率预测可行，同时明确了易发交通事故的驾驶员子组。

对小波阈值去噪中的常用阈值和阈值函数进行分析，提出一种自适应的模糊阚值去噪算法，该算法在BayesShrink阈值基础上，通过增加一个修正因子，并结合模糊理论，自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesShrink软阈值函数去噪算法相比，去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高，并且图像也更清晰，具有较好的去噪效果。