脑肿瘤分割在疾病辅助诊断、治疗方案规划以及手术导航中扮演重要角色。对脑肿瘤精确分割可以帮助临床医生获取肿瘤位置、尺寸和形状信息。提出一种基于核稀疏编码的全自动脑肿瘤分割方法，并在3D多模态磁共振成像图（magnetic resonance imaging, MRI）上验证。首先对MRI图像进行预处理以减少噪声，然后通过核字典学习提取非线性特征，用来构建坏死组织、水肿组织、非增强肿瘤组织、增强肿瘤组织和健康组织5个适应性字典。对从原始MRI图像上肿瘤像素点周边m×m×m的小区域提取的特征向量进行稀疏编码，并通过一种基于字典学习的核聚类方法对像素点进行编码。最后通过形态滤波填充在多个相连部分间的区域，提高分割质量。为评估分割表现，分割结果被上传到在线评估系统中，该评估系统使用dice系数、阳性预测值（positive predictive value, PPV）、灵敏度和kappa值作为评估指标。结果表明，该方法在完整肿瘤区域分割上具有良好表现（dice: 0.83; PPV: 0.84; sensitivity: 0.82），而在肿瘤核心区域（dice: 0.69; PPV: 0.76; sensitivity: 0.80）和增强肿瘤区域（dice: 0.58; PPV: 0.60; sensitivity: 0.65）上表现稍差。相较于脑肿瘤分割（BRATS）挑战中其他团队采用的方法，该方法具有竞争力。该方法在健康组织和病理组织区分上具有一定潜力。

近年来，存在密钥泄露环境下密码学机制的安全性成为该领域研究热点，一些能够抵抗泄露攻击的密码学原语相继被提出。由于现有相关构造中，抗泄露密码学原语无法保证其输出对于任意多项式时间敌手完全随机，因此敌手能够从相应抗泄露密码学原语的输出中获知密钥部分信息。为获得更佳性能，提出一个抗泄露的CCA2安全的无证书公钥加密机制，基于经典的判定性Diffie-Hellman假设证明了该方案的安全性。分析显示，对于任意敌手，该方案输出均完全随机，使得敌手无法从给出的密文中获知密钥相关信息；此外，该方案具有较高泄露率。由于这些良好特性，该方案在实际应用中具有广泛应用前景。

信息泄露会破坏Web服务组合业务流程对某些策略的遵从性，是Web服务组合中的一个主要问题。提出一种基于信息流分析的有效的自动化方法用于检测业务流程执行语言（BPEL）中的隐性信息泄露。引入Petri网元模型对BPEL进行转换和分析。以Petri网中基于库所的无干扰性概念为基础，使用Petri网可达图分析Petri网干扰性，检测Web服务组合中的隐性信息泄露，并通过一个案例说明该方法在具体BPEL工作流中的应用。

稀疏自适应匹配追踪（sparsity adaptive matching pursuit，SAMP）是压缩感知信号的一种贪婪重构算法。SAMP可以在没有稀疏先验信息的情况下重构信号，与其他贪婪算法相比对噪声信号具有更好的重构性能。但SAMP在重建质量方面，特别是在高压缩比时，仍有不足。采用Wilkinson矩阵作为感测矩阵，以提高重建质量并增加SAMP技术的压缩比。将块压缩感知（block compressive sensing，BCS）思想与SAMP技术结合，以提高SAMP技术性能。通过大量试验对所提出BCS-SAMP技术进行评估，并将其结果与其他几种压缩传感技术结果作比较。结果表明，BCS-SAMP技术与传统SAMP技术相比，重建质量可提升6分贝（dB）。BCS-SAMP技术在重建质量方面与迭代技术相比大致接近，该技术计算时间小于迭代技术计算时间，这一优势在测量分数较低时更为明显。

有监督主题模型已成功应用于多标签文本分类任务。代表性模型包括有监督隐含狄利克雷分配模型（labeled latent Dirichlet allocation，L-LDA）和判别隐含狄利克雷分配模型（dependency-LDA）。这些已有模型忽略单词类别频率信息，即训练集中单词出现的类别数量，对分类任务的影响。对此引入类别频率信息，提出一个类别频率词权重方法（class frequency weight, CF-weight）。CF-weight方法基于如下假设：具有较高（或较低）类别频率的单词在分类问题中具有较低（或较高）判别力。将CF-weight方法应用于L-LDA和dependency-LDA模型。实验结果表明，相比传统有监督主题模型，基于CF-weight的模型在多标签分类性能上具有优势。

现有大多数词嵌入学习模型存在以下问题：（1）基于词袋上下文的模型完全忽略句子的句法结构关系；（2）每个词使用单个嵌入向量使多义词共享一个嵌入向量；（3）词嵌入往往趋向于句子上下文共性。为解决这些问题，提出一种基于依存关系和多义词分析的句法词嵌入（syntactic word embedding, SWE）。该算法主要处理：（1）基于主题模型，提出一个多义词识别算法；（2）采用符号“+”和“−”表示依存关系方向；（3）删除停用词及其依存关系；（4）引入“skip”依存关系表示依存关系之间的间接关系；（5）将基于依存关系的上下文输入到Word2Vec模型中训练语言模型。实验结果表明，SWE模型在词相似度评测任务中表现出优异性能。基于依存关系句法上下文捕获词语的语义和句法特征，使词语表现出较少的上下文主题相似性和更多的句法和语义相似性。综上，包含更多信息的SWE模型性能优于单一的词嵌入学习模型。

基于一种新型标准卷积码码字生成单元设计一种多参数可重构Viterbi译码器，优化译码器的资源消耗，提高对多参数的兼容性。标准卷积码码字生成单元用于产生所有状态码，采用迭代运算方式计算所有可能存在的标准卷积码码字。在重新计算分支度量值及对度量值与转换路径重新排序时，基于新型准卷积码码字生成单元的Viterbi译码器结构能够减少运算资源消耗。多参数可重构Viterbi译码器结构能够支持范围为3~9的可变约束长度，1/2、1/3、1/4的可变码率，以及完全可配置的约束多项式。该Viterbi译码器采用Xilinx XC7VX485T FPGA平台实现，具有高达200 Mbps的吞吐率，使用逻辑门的数量为162k，具有较低的资源消耗。

水下无线传感器网络为水下目标跟踪问题提供了可靠有效支持，但水下网络能量和带宽资源有限，只能选择一部分节点参与跟踪任务。融合中心通过收集、融合各个传感器发送的量测进行目标跟踪，因此设计更好的融合权值极为重要。针对水下目标跟踪中的加权融合问题，首先通过计算量测与目标状态之间的互信息，利用互信息衡量融合权重；其次利用互信息融合权重设计一种新的多传感器加权粒子滤波算法，利用克拉美罗（Cramer-Rao）下界设计节点选择方案，以提高跟踪算法效率；最后通过仿真实验对算法进行验证。仿真结果表明，通过选择合适融合权值，目标状态估计精度显著提高。

受限于机会照射源信号通常为窄带信号，多站外辐射源雷达成像系统分辨率通常较低。另外，由于跟踪系统精度影响及站址测量过程中存在测量误差，系统成像质量会严重下降。为提高多站外辐射源雷达成像系统成像性能，开展了基于层析成像原理的高分辨外辐射源雷达成像算法研究。进一步，将压缩感知技术应用于外辐射源雷达成像系统中，以改善系统成像分辨力。最后，针对非合作平台测量误差引入的相位误差，提出相应的外辐射源雷达成像系统相位补偿方法。通过最小化图像的重构误差建立了相位误差求解模型，基于定点迭代技术对相位误差模型求解。所提相位误差补偿技术是一种非参数化方法，可用于补偿任意形式相位误差。理论分析与仿真实验验证了所提方法的有效性和收敛性。

电流控制器性能对永磁同步电机驱动的影响至关重要，然而，在数字处理器中采用传统的连续域电流控制器不能使系统达到完全解耦，这使得电流控制器性能会随电机转速而变化。为提高电流控制器性能，提出一种利用精确离散复矢量模型在离散域直接设计电流控制器的方法。首先，针对变流器输出电压和电机反电势的不同特性推导出永磁同步电机的精确离散模型。然后，根据该模型设计出三阶形式精确解耦二自由度电流控制器，该控制器在配置系统闭环极点时自由度更高。针对两种不同的对消零极点位置选取方案，借助复矢量根轨迹和灵敏度函数对其抗干扰性和参数敏感度进行考察，结果表明两种方案各有优势。最后，在2.5 kW永磁同步电机实验台上验证了所提电流控制器设计方法的有效性。