随着大数据时代的到来，K最近邻（KNN）算法较高的计算复杂度的弊端日益凸显。在深入研究了KNN算法的基础上，结合MapReduce编程模型，利用其开源实现Hadoop，提出了一种基于MapReduce和分布式缓存机制的KNN并行化方案。该方案只需要通过Mapper阶段就能完成分类任务，减少了TaskTracker与JobTracker之间的通信开销，同时也避免了Mapper的中间结果在集群任务节点之间的通信开销。通过在Hadoop集群上实验，验证了所提出的并行化KNN方案有着优良的加速比和扩展性。

讲述了毫米波安检仪的发展历史，对主动式毫米波成像技术进行了深入研究

为了能够有效地识别水军，在以往相关研究基础上，设置粉丝关注比、平均发布微博数、互相关注数、综合质量评价、收藏数和阳光信用这6个特征属性来设计微博水军识别分类器，并基于贝叶斯模型和遗传智能优化算法实现了水军识别算法。利用新浪微博真实数据对算法性能进行了验证，实验结果表明，提出的贝叶斯水军识别算法能够在不牺牲非水军识别率的情况下，保证水军识别的准确率，而且提出的阈值优化算法能显著提升水军识别的准确率。

重点研究普适计算环境下资源管理中的跨域问题，聚焦在跨域资源访问，跨域用户漫游和跨域事务转移的机制方面，提出了评估方法并对提出的机制进行了实验分析，验证了在大规模无缝的普适计算环境下，所基于的域管理模型和研究的跨域机制能获得更高的运行效率。

基于ELM的图像分类与稳健回归算法研究 论文

针对Taylor算法进行TDOA定位时，其初始估计位置的误差易导致Taylor算法不收敛和定位精度差的问题，提出一种基于自然选择的线性递减权重粒子群优化（W-SPSO）与Taylor算法协同定位的方法。该方法先通过W-SPSO算法得到一个初始估计位置（x，y），再通过Taylor算法在（x，y）处进行迭代运算得到最终定位结果。不同噪声情况下的仿真结果显示：W-SPSO与Taylor算法协同定位方法对MS坐标估计值的均方差（RMSE）小于标准PSO（粒子群优化）、SelPSO（基于自然选择的粒子群优化算法）、W-SPSO、Taylor以及Chan五种算法的RMSE。因此，所提出的定位方法在保留了SelPSO算法求解精度和收敛性的基础上，同时提高了全局搜索能力，使其具有更高的定位精度和收敛性。

基于AO 的太阳图像重建技术及MCBD 算法研究

α-β滤波算法是一种高效滤波算法，常用于对匀速直线运动的跟踪。为了解决船用ARPA雷达追踪定位实时性和准确性的矛盾，提出使用α-β滤波算法对目标航迹进行滤波。在确保精度要求的同时，能够快速定位目标，并计算目标运动参数，在航迹滤波中启到了非常好的效果。结合民用船舶航行速度较慢，机动性小的特点，假设目标匀速直线运动，通过均值滤波，卡尔曼滤波的仿真结果比较，最终得出α-β滤波在ARPA雷达航迹滤波中具有更强的实用性。

研究了自适应滤波器的原理，公式推导及实现方法，结合LMS自适应滤波器的应用给出了matlab仿真结果及代码！

视觉SLAM初始化IMU算法研究，黄源，刘建国，近些年视觉惯性SLAM算法研究取得重大成果,能够较精确地计算传感器的增量运动。然而这些方法都缺少闭环,即使重复访问同一个地方,而��