针对粒子群算法容易陷入局部最优、收敛精度低、后期收敛速度缓慢的问题，将牛顿-最速下降算子、动态惯性权重、影响度决策引入到粒子群的更新中，提出了融合牛顿-最速下降算子的自适应粒子群算法(NSWPSO).将改进后的算法、标准粒子群算法、自适应惯性权重粒卐子群算法、线性递减惯性权重粒子群算法同时应用于不同维度的12个测试函数◣，对搜索结果进行对比分析，T-test差异分析、10维测试函数达到期望值时的寻优率和平均迭代次数分析，可得改进后的算法能够稳定快速准确地搜索到全局最优解.

针对一类只有用户浏览频次数据且没有项目评分的推≡荐系统，提出一种基于FP-Growth(频繁模式增长)改进的关联规则挖掘算法，实现用户兴趣推荐.针对⊙传统的FP-growth进行如下改进：首先，归一化用户浏览频率，以反映用户的兴趣Ψ，并添加遗忘因子来跟踪用户兴趣迁移.其次，采用动态支持度过滤非兴趣项目，以提高推荐结果的准确性.此外，在FP-tree中引入项目活跃度作为冷启动问〖题的可行方案.最后收集762个用户在企业操作系统(EOS)区块链中访问智能合约的记录来测试改进的算法.实验结果表明，该算法在用户兴趣推荐方面表现令人满意.

针对专用硬件实现高【效视频编码(High Efficiency Video Coding，HEVC)帧内预测算法资源占用大，且硬件资源不能重复利用、灵活性差「的问题.提出一种可重构的视频阵列处理器，能够根据当前视频序列的特点进行帧内预测算法的动态映射.首先，分析HEVC帧内预测算法的特点和重构的可行性，以提前终止编码块划分的阈值作为处理器进行硬件重构的依据.其次，以计算出来的参数驱动可重构阵列处理器进行硬件重构.最后，在重构的阵列处理器上进行帧内预测算法映射ξ　.通过在4×4的可︽重构阵列上进行Planar和DC两种预测模式实现，结果表明：与专用硬件实现方法相比资源减少了65%，与多核处理器实现方法相比延时降低了32%.

提出了一种以云任务的完成时间和成本为优化目标的改进乌鸦搜◆索算法(IMCSA)的任务调度方法.首先采※用反向学习初始化种群，在选择被跟踪乌鸦时根据记忆的适应度值择优选取，避免了盲目性；其次在位置更新过程中，将乌鸦的位置与其反向学习得到的位置进行交叉，择优选取，能够有效提高收敛▆速度.最后通过CloudSim平台与粒子群算法、遗传算法、Min_Min算法和CSA进行对比，结果表明IMCSA在不同实验下，在任务完成时间和☉成本取得的效果均优于对比算法.

针对大数据存在的高维、强约束和多目标等复杂优化问题，本文提出一种改进的群智能优化算法——狮群简化粒①子群算法(LSA-SPSO).该算法将狮群算法的分组思想融入简化粒子群优化算法中，将粒子分为↑三组寻优，每组使用不同的学习因子和学习维度向量，以此帮助种群执行不同的搜索机制，从而增强了种群的多样性.此外，引入种№群育种，有利于粒子跳出局部最优位置，提高了算法的全局搜索性能.仿真实♂验表明，本文提出的改进算法有效改善了传统群智能算法中存在的不足，可以更好的应用到大数据中.

TSVs串扰故※障的测试和诊断对提高集成电路成品率有重要影响。为了减少TSVs测试和诊断时间，并且减少测试电路的面∑　积开销，提出在信号接收端重用扫描单元的测试架构对TSVs串扰故障进行分组测试和诊断的新方案.该方案首先使用提出的TSVs分组算法，根据TSVs之间串扰影响距离，应用邻接矩阵求极大独立集对TSVs进行快速分组，使得每组内的TSVs不会发生串扰故障，并且最大化同组中TSVs的数量.分组完成△后，使用提出的测试架构对同组内的TSVs进行并行测试，并且根据TSVs的测试响应，可以进一步诊断故障TSVs.实验结果表明，所提测试方案有效地减少了测试和诊断时间，并且减少了面积开销.

针对动态复杂◤环境下车辆目标识别和定位问题，提出一种基于对称FAST特征的车♀辆目标识别方法.利用车辆的对称特征，采用水平镜像矩阵构造FAST特征描述矢量，检测具有◣对称特性的FAST特征点对，以此为车辆特征聚类的约束条件，确定车辆中心线位置，并结¤合车辆底部阴影特征对车辆目标进行识别和定位.实验结果表明，该方法提取的目标车辆区域位置准确，平∴均检测准确率高达93.2%.

在综合考虑可逆水印算法的鲁棒性和嵌入容量的基础上，提出一种基于密文域扩展的加密域可逆水印算法，该算法不仅保证了高鲁棒性，还使嵌入容量高达8.0625dB.首先，基于IWT和DNA双向编码完成对二维载体图像和二√维水印图像的加密，然后，基于密文域扩展将加密后水印嵌入加密后载体图像，最终，二维载体图像扩展为含水印的三维图像，算法完成.采用SSIM评价指标对图像的恢复质量进行分析，SSIM值为1说明文中算法实现了完全可逆，求得文中」算法的嵌入容量为8.0625dB，远大于其他文献，鲁棒性分析显示文中算法具有较好的鲁棒性.该算法在保证原始载体内容安全的前提下实现了密文域中水印信息的完全可逆性及原始图像的无损恢复.

针对基于特征点匹配的SLAM(Simultaneous Localization and Mapping)系统在缺乏角点的弱纹理区域无法提取足够的特征点而导致位姿估计失败等问题，提出应用直接视觉里程计算法LDSO(Direct Sparse Odometry with Loop Closure)进行室内机器人视觉定位并结合深度估计或深度相机采集到的关键帧深度图，关键帧相机位姿，原始关键帧图像数据，点云拼接〗生成三维点云稠密地图，实验结果表明，机器人可在复杂环境中准确快速的定位自身位置，且算法在没有全局BA(Bundle Adjustment)的情况下通过位姿图优化显著减少了旋转，平移与尺度漂移等累积误差，算法整体性能与基于特征点匹配ω　的SLAM系统相媲美，耗时更少，实时性更佳，在缺乏角点区域具有较强的鲁棒】性.

本文借鉴具有自适应特性的一维局域均值分解算法(Local Mean Decomposition，BLMD)，提出了二维局域均值分解◎算法(Bidimensional Local Mean Decomposition，BLMD).二维局域均值分解算法可以将源图像分解成多个二维生产函数分量(Bidimensional Product Function，BPF).思路为：先通过可变邻域窗法◤来获得分解过程中的极值点，而后利用分形理论对图像进行插值操作，并得到相应的均值曲面的等信息，再对筛分过程中相邻曲面之间在零值平面投影上不重合极值点数目〓进行统计和分析，给出符合图像本身特性的停止条件，保证分解〗得到的BPF分量能够真实反映图像的某类特征信息.最后，在此基础上形成本文提出的二维局域均值分解算法.通过实证分析表明，本方法可以自适应对图像进行分解.

针对密①集的计算任务卸载使得移动边缘计算系统网络开销大以及应用与服务交互延迟高等问题，提出一种基于Lyapunov优化的资源分配策略.该策略首先在保证用户服务※质量需求的情况下，考虑系统数据队列状态和任务执行开销，建立系统开销模型；然后运用Lyapunov优化理论设计了一种基于用户设备和边缘计算服务提供商数据队列状态的实时分配方案，并通过构造拉格朗日乘子函数进行迭代优化.实验结果表明，所提方案在保证系统队列稳定性的同时降低了系统平均总开销.

为了提高绝缘子目标检测精度，缩短网络训练时间，提出基于卷积神经网络的InsuNet绝缘子目标识别方法.InsuNet网络采用56层卷积层作〗为主干网络，在特征提取网络的每个池化层后附加一层〖开运算，以过滤掉目标特征周围的干扰，增强算法鲁棒性.图像经主干网络传向区域提议网络提取感兴趣区域和主干网络前向传播的特征图共享给感兴趣区域对齐层固定特征尺寸，而后掩膜分支和目标分类、边界框回归分支并行输出ROI目标的掩膜、类别和回归框.结果表明，与Mask R-CNN模型对比，本方法⌒　在识别各种类型绝缘子时精确率达到94.7%，单张图像处︻理时间约为0.18 s，缩短了约40 ms.

针对低压差分信号驱动电路对共模电压和参考电流的需求，提出了一种新型带隙基准源结构，可在一个基准模块内同时提供带隙基准电压和基准电流.对传统带隙基准进行了改进，优化了基准电√压和基准电流的温度特性.仿真结果显示，所设计的基准源电路具有较好的温度特性，在♀温度范围为-40℃~125℃时，基准电压的温漂系数为17.4 ppm/℃，电流基准的温漂系数为63.3 ppm/℃.作为参考电压与电流基准，可有效保证LVDS信号的稳定性.

归一化积相关算法在地形匹配、目标识别等图像处理中♂有着广泛的应用，但由于其计算过程复杂，计算实时性较差，限制了它的应用范围，本文结合FPGA在并行计算方面的优势，提出了一种归一化积相关16路并行计算方法及硬件实现架构，具有精度高、速度快的特点，并在FPGA上进行了实现，与PC机MATLAB软件和DSP芯片TS201相比，运算速度提升ぷ了上千甚至上万倍，计算精度能够达到10^-6，能够满足地形匹配及目标识别等图像处理的实时性和计算精度要求.

文章根据三个一维映射通过串联及】并联构造了一维复合混沌系统，并提出结合压缩感知理论进行优化改进.利用两幅图像灰度级为256对改进后的算法进行仿真实验，仿真实验结果表明，改进后的算法具有良好的抗干扰能力，通过原图像和加密处理后的加密」图像在直方图、相邻像素相关系数等对比分析可以看出，此次提出的加密算法具有非常好的◤效果.