实时系统要求任务在最差情况下能在其截止时间前获得结果，若超过了其截止时间，也会认为是错误的行为，所以改进任务可调度性分析、提高任务集可调度性尤其重要。统一调度能结合固定优先级调度的优点，防止不必要的抢占，降低资源额外销耗，能够提高任务集合的可调度性；但其任务的可调度性分析方法过于粗糙，影响任务最差响应时间分析的结果，降低了任务集的可调度性。针对存在的问题，基于统一调度，增加任务运行阶段数，重新建立任务模型，并提出通过分配任务抢占阈值、调整运行阶段的抢占阈值与长度，优化任务可容忍阻塞，改善任务集可调度性的算法。最后，实验表明，与统一调度算法及其他算法相比，所提出的调度算法能够有效改善任务集的可调度性。
参数的选择对算法分类与预测的正确率有直接影响。在参数选择中全局网格搜索有着计算可靠、简单、优化效果明显的优势，适合应用于可靠性要求高的工程运算，如在复杂系统的故障诊断中对故障模式识别算法进行参数寻优等。但是，全局网格搜索在寻优过程中耗时过长，仍然是一个制约其使用的问题，尤其对于实时性要求较高的系统。以支持向量机的参数全局寻优问题为例，针对网格搜索寻优时间长的缺点，利用Hadoop平台进行分布式参数寻优，借助HDFS将参数自动划分到计算节点上，并运用MapReduce计算框架建立分布式参数寻优模型，完成模型训练预测及参数优化。实验结果表明，在不降低算法性能的前提下提高了寻优效率。
动态时间弯曲算法虽然适合度量时间序列的相似度，但是在大数据背景下，对于序列个数多、潜在长度可能是无穷、实时性要求高的流式时间序列，面临着算法简单、计算不简单的可计算问题。以Spark计算平台为基础，针对流式时间序列的特点，提出了一种流式动态时间弯曲算法，能实时计算动态时间序列近似值，误差可控、稳定，且具备大数据计算能力。最后通过实验验证了算法的可行性和稳定性。
随着电子医疗的高速发展，医疗机构需要花费大量资源管理各自独立庞大的电子病例数据，同时医疗机构之间难以实现数据共享。为此提出了一种适用于电子医疗环境的密文检索方案。该方案实现了数据的统一有效管理与利用，同时该方案支持容错且可验证的多关键字云端密文检索。多关键字容错机制基于模糊提取器，增强了检索有效性及实际应用性，基于双线性对累积树数据结构，实现的可验证机制为检索结果提供了可靠性验证。安全性分析表明，该方案满足用户数据保密性以及查询请求隐私性。搜索性能分析表明了该方案多关键字搜索的有效性。
无线传感器网络WSN节点中的加密模块往往面临着侧信道攻击SCA的威胁。然而由于WSN节点加密的数据来自于实际的物理信号，明文的分布将会遵循其物理规律，这一点与通常讨论侧信道攻击安全性时假设明文为完全随机的情形不同。为了探索当攻击者用的明文是传感器采集到的实际非均匀分布的信号时差分功耗分析DPA的成功率，该论文从理论和实验上分析了明文分布与分组密码DPA的成功率之间的关系。结论是DPA成功率负相关于明文分布与均匀分布之间的Cramer-von-Mises统计距离。根据这一结论，可以得出当攻击者攻击时能够构造明文，其利用随机均匀分布明文的成功率高；当攻击时只能利用实际数据，攻击最后一轮比攻击第一轮成功率高。
当前，移动通信技术的迅猛发展,促使传统的基于专用硬件的通信设备所固有的功能单一、不易升级改造的缺点突显出来，导致多种通信协议在兼容和版本升级方面的问题日益严重。而软件无线电技术由于自身的灵活性和开放性，可以很好地解决这些问题。在此基础上，对多速率数字中频系统中的关键技术进行了研究和实现。系统设计为全双工模式，支持多速率收发处理，可根据实际应用的需要进行配置，从而实现多种数据速率的转换。系统主要包括混频器模块、采样率变换（插值和抽取）模块、低通滤波器模块。功能上实现了32、96、480倍的降/升采样处理和240 kHz的信号下变频处理，且阻带衰减可以达到60 dB，有效地对杂散信号进行了抑制。在灵活配置的系统前提下，对模块进行了优化和复用，不仅节省了硬件开销，而且提高了系统性能。
传统的天线优化设计需要对大量的参数组合进行电磁仿真后才能得到最优结果，使得天线高维优化设计效率普遍较低。针对该问题，使用在参数空间均匀分布的少量样本及其仿真结果构建初始Kriging模型，优化循环中每代种群由高适应度个体和高离散性个体组成，依据Kriging模型预测的个体响应和不确定性，对进化后的下一代种群进行筛选，选择最优个体执行电磁仿真并更新Kriging模型。利用此方法优化一个6变量E形天线的工作频点，相比同类优化算法，所需的电磁仿真次数可减少80%左右。
静态分析工具可以帮助开发人员在项目编码初期定位可能存在缺陷的代码。然而有研究表明，此类工具往往会报告大量的警告，且其中大部分为误报警告。为了增强静态分析工具的可用性，研究者们通常采用统计和机器学习方法将警告分类为有效警告和误报警告。然而，现有警告分类方法并未考虑大量误报警告造成警告数据类不平衡问题，以及误分类代价不等的问题。鉴于此，分别将BP神经网络和基于过采样、阈值操作、欠采样方法的代价敏感神经网络应用到有效警告的分类中。实验结果对比发现，相比BP神经网络，基于代价敏感神经网络方法在有效警告查全率方面平均提高了44.07%，且当有效警告被误分类的代价高于一定值时，代价敏感分类方法能得到更低的分类代价。
布鲁姆过滤器具有空间节俭的特点，它通常被用于无线传感器网络中。为了支持传感网络中Sink节点的展示操作，需要布鲁姆过滤器可以展示所有的元素。现有工作中仅可逆布鲁姆过滤器可实现元素的展示。为了保护传感信息传输的隐私，基于同态加密函数，提出了一种隐私保护的可逆布鲁姆过滤器PPIBF，并设计了PPIBF的插入、聚合和展示算法。PPIBF的聚合操作可以在不解密密文的情况下，实现多个加密的PPIBF的聚合，从而保证即使在中间节点受攻击的情况下，都不会泄露网络中传输的消息。详细的安全性分析和计算分析表明，所提的PPIBF是一种可以保护信息的高效算法。
随着IT行业的不断发展，软件的易用性越来越受到用户和专家的关注与重视。如何科学地量化软件产品的易用性，进而对产品质量进行综合地测评，决定了软件产品的竞争力和用户的满意度。针对软件的易用性，提出了一种基于投影和直觉模糊理论的评价方法。首先，依据用户调查得到的信息，给出评价软件易用性的直觉模糊评价矩阵，并在此基础上建立了评价矩阵的理想决策。其次，借助群决策的框架，给出评价矩阵到理想决策上的投影。然后，基于投影给出测评软件的优劣序。最后，用一个测评实例展示出本方法的有效性和实用性。结果表明，本文提出的模型是一种软件质量综合评价的有效方法。
RICE算法在无损压缩系统有着广泛的应用。由于RICE算法采用了变长的自适应熵编码，因此在解码时需要对压缩流进行逐位判断和解析，这给高速解压缩的实现带来了困难。现有的RICE解码实现在解码速度和通用性上都不理想。针对RICE算法中自适应熵编码的特点，设计了一种基于有限状态机和查找表的并行RICE解码结构，可在FPGA上完成8比特宽度的并行解码，解码速度最高可达176 MB/s；同时，该解码结构适用于编码参数k变化的情况，具有很强的通用性。
计算机舌诊系统中，点刺和瘀血点是重要的舌象。基于斑点检测、支持向量机（SVM）和K-均值聚类算法，提出了对舌诊图像中点刺和瘀点的识别及提取方法。首先利用SimpleBlobDetector斑点检测算法检测斑点，并提取出斑点数量、大小和分布等特征值生成特征向量，再使用SVM进行点刺（瘀点）舌象识别。点刺（瘀点）提取同样基于斑点检测算法，提取斑点颜色特征，使用K-均值聚类将斑点聚类为多个小类簇，定义基于加权颜色空间距离的判别函数，将聚类结果同第一次斑点检测的结果对比，得到正类和负类，最终提取出点刺和瘀点。利用该方法进行实验，识别正确率达到97.4%，提取误检率为60%，漏检率为10.1%，表明了本方法的有效性和应用价值。
云纹是我国古代装饰纹样中独具魅力的瑰宝，卷云纹是其中重要的一支，不仅具有很高的艺术价值，对当代的艺术设计实践也有着深远的启示作用。因此，对其进行归类分析从而发现云纹图案中蕴含的艺术思想、造型手法，无论是对于文化艺术研究还是对于聚类算法研究都具有重要意义。针对云纹图案变化繁复、人工分类效率低下的问题，提出一种基于自适应阈值近邻关系传递的多子类中心近邻传播聚类算法(ANP-MEAP)，结合形状上下文特征（SC）提取算法对云纹图案的自动分类进行了有益的尝试。实验显示了结合SC特征的ANP-MEAP算法进行云纹图案自动分类的可行性和优越性。本文提出的云纹图案聚类算法，对于其他传统艺术图案的聚类分析也具有很好的借鉴意义。
熔融沉积制造(FDM)是一种用填充方式来得到每层截面的快速成型工艺，由于成型轨迹的走向直接影响到成型件的外观和成型效率，因此选择一种好的成型算法格外重要。在目前现有的成型轨迹中，复合式扫描法由于在制件精度和加工效率上的诸多优势，成为研究的热点。基于分形填充和偏置填充本身所具有的优点，提出了一种复合优化轨迹的方法，并用分而治之算法对生成的路径进行了最大程度的优化，以减少喷头的开关次数和拉丝现象，保证制件的成型精度和强度，并且已成功应用在实际加工中。
传统k-means算法由于初始聚类中心的选择是随机的，因此会使聚类结果不稳定。针对这个问题，提出一种基于离散量改进k-means初始聚类中心选择的算法。算法首先将所有对象作为一个大类，然后不断从对象数目最多的聚类中选择离散量最大与最小的两个对象作为初始聚类中心，再根据最近距离将这个大聚类中的其他对象划分到与之最近的初始聚类中，直到聚类个数等于指定的k值。最后将这k个聚类作为初始聚类应用到k-means算法中。将提出的算法与传统k-means算法、最大最小距离聚类算法应用到多个数据集进行实验。实验结果表明，改进后的k-means算法选取的初始聚类中心唯一，聚类过程的迭代次数也减少了，聚类结果稳定且准确率较高。
