针对显著性检测中特征选择的主观片面性和预测过程中特征权重的难以协调性问题，提出了一种基于全卷积神经网络和多核学习的监督学习算法。首先通过MSRA10K图像数据库训练出的全卷积神经网络（FCNN），预测待处理图像的初步显著性区域；然后在多尺度上选择置信度高的前景、背景超像素块作为多核支持向量机（SVM）分类器的学习样本集，选择并提取八种典型特征代表对应样本训练SVM；接着通过多核SVM分类器预测各超像素显著值；最后融合初步显著图和多核学习显著图，改善FCNN网络输出图的不足，得到最终的显著性目标。该方法在SOD和DUT-OMRON数据库上有更高的AUC值和F-measure值，综合性能均优于对比方法，验证了该方法在显著性检测中准确性的提高，为目标识别、机器视觉等应用提供更可靠的预处理结果。

基于S3C2440的无线智能家居系统设计，宁亮，，设计了一种以S3C2440为硬件平台，基于Windows CE嵌入式操作系统，结合433MHz和315MHz无线网络，以及Wi-Fi通信技术的智能家居系统。在功能方��

针对目前多峰函数优化问题较难找到全部局部最优解的情况，提出了改进的免疫优化求解方法。借鉴免疫系统的受体编辑操作、Baldwin效应，设计了相应的算子，增强了算法的学习能力，提高了算法的收敛速度。实验结果表明，本算法求解精度较高，提高了多峰函数寻优的精度。

改进的混沌蚂蚁群算法，葛方振，魏臻，混沌蚂蚁群算法（CAS）是一种新型的、基于群集智能的全局搜索优化算法,然而其对复杂的、大规模问题搜索问题往往失效,对高维优化问�

将远程随机感染引入到经典的SIRS模型来研究复杂网络上疾病传播行为，考虑到感染节点在以一定概率把疾病感染到其邻接节点的同时，随机选取网络中一个不存在边连接的非邻接节点，并以一定的远程感染概率进行感染。针对小世界网络和无标度网络，分别采用重连概率相关和度相关的远程感染概率，利用平均场的方法求得改进的SIRS模型在这两种网络上的传播阈值以及稳态感染密度。数值仿真结果表明：对于小世界网络，有效传播率在一定范围内，重连概率对稳态感染密度和传播速度有明显的影响，超过这个范围，重连概率对稳态感染密度的影响可以忽略；而

针对大规模数据的加权Voronoi图实现的复杂性和计算精度低问题, 采用欧氏距离法, 设计和实现了一种基于MapReduce编程模型的并行栅格加权Voronoi图的生成算法, 并将其成功应用于石家庄桥东区超市的推荐服务。该算法计算精度高, 同时可适用于任意点、线、面及复合发生元的加权Voronoi图的计算。实验结果表明, 算法在处理大规模栅格数据时能明显提高栅格Voronoi图的生成速度, 并能为用户推荐综合因素优选的超市。

为获取视觉交互系统中人机距离信息, 利用单摄像头检测人脸特征区域、完成人脸与摄像机距离测量。首先通过改进的AdaBoost算法快速检测并定位特征区域, 其次利用系统约束条件、摄像机标定原理和面积映射关系推导像距测量方程, 完成距离测量。通过规定距离实验, 证明了像距测量方程的可行性。复杂环境实验表明系统在复杂背景下有较好的鲁棒性, 但不同光照会影响测量精度。系统适应性实验验证了对多名待测者的普遍适用性, 但佩戴眼镜会影响测量的精度和实时性。测距系统在有效量程内有较高精度, 处理速度约为5 fps, 满足精度与实时性要求。

阿尔茨海默氏病（AD）是痴呆症的最常见形式，是一种无法治愈的神经系统疾病，会导致进行性精神恶化。 尽管对AD进行明确诊断很困难，但在实践中，AD诊断主要基于临床病史和神经心理学数据，包括磁资源成像（MRI）。 近年来，有关将机器学习应用于AD识别的研究越来越多。 本文介绍了我们对这一进展的最新贡献。 它描述了一种基于3D脑MRI深度学习的自动AD识别算法。 该算法使用卷积神经网络（CNN）来实现AD识别。 独特之处在于，大脑的三维拓扑在AD识别中被视为一个整体，从而可以进行准确的识别。 本研究中使用的CNN包括三组连续的处理层，两个完全连接的层和一个分类层。 在该结构中，三组中的每一个都由三层组成，包括卷积层，池化层和归一化层。 使用来自阿尔茨海默氏病神经成像计划的MRI数据对算法进行了训练和测试。 使用的数据包括约47位AD患者和34位正常对照的MRI扫描。 实验表明，该算法具有较高的AD识别精度，灵敏度为1，特异性为0.93。

所有汽车制造公司，Google和Microsoft最近都宣布将生产全自动无人驾驶汽车（FAAV），也称为无人驾驶汽车。 最早将于2018年在市场上推出一些FAAV，但大多数情况是在2020年代。 当FAAVs可供普通消费者使用并为普通消费者买得起时，对社会的影响将是深远的。 本文的目的是研究FAAV的普及前景及其对世界未来社会的社会经济影响。 本文考察了对社会某些部门的潜在影响，包括对汽车需求的变化，其对石油使用，环境和城市土地利用的影响，仅举几例。

大数据是一项不断发展的技术，其通用数据急剧增加，能够处理和存储大量和多样的信息，分别为科学和商业领域的客户和实验提供了丰富的知识。 云计算提供了诸如可用性和可伸缩性，可靠性，容错性以及合并大数据的环境等功能。 尽管大数据解决了当前的许多问题，但仍然存在很多问题，或者我们可以说存在一些差距，这些差距引起了人们的担忧，需要加以完善。 数据异构性，安全性，灾难恢复机制，可伸缩性，隐私，数据治理策略和其他挑战尚待解决。 本文描述了大数据的定义，特征和分类，并通过云计算环境和可用于其安全性的技术对其进行了分析。 进一步描述了两种技术之间的关系。