该文针对图像融合领域内难于对先验知识加以利用的问题提出一种新的有监督学习的Takagi Sugeno Kang (TSK)模糊系统图像融合方法。该方法通过引入TSK模糊系统构建标准图像融合图像库进行学习，将学习准则记录下来形成融合模型，并指导新的图像融合过程。不同于传统方法，该方法可以有效地避免模型参数择优的难题，在融合图像质量和适用范围方面表现出一定的优势。从单一类型图像融合和多种类型图像融合两个角度进行了实验研究，实验结果说明该方法的有效性。

软件定义网络(SDN)被誉为下一代网络的关键技术。近年来，SDN已经成为学术界与工业界的热点。广域网是SDN应用到工业界的一个重要的场景。基于SDN的广域网被称为软件定义广域网(SD-WAN)。在SD-WAN中，SDN控制器通过控制流转发路径上的SDN交换机来实现流的路径可编程性。然而，控制器失效是SD-WAN中一种常见的现象。当控制器失效时，流转发路径上的交换机会失去控制，流的路径可编程性将无法得到保障，从而无法实现对网络流量的灵活调度，导致网络性能下降。该文对SD-WAN控制器失效场景下保证路径可编程性的研究工作进行了综述。该文首先阐述了当控制器失效时，SD-WAN中路径可编程性保障研究的背景及意义。随后，在查阅分析了国内外相关文献的基础上，介绍了当前在控制器失效时SD-WAN对交换机的主流控制方案。最后，对现有研究成果可能的进一步提高之处进行了总结，并对此研究的未来发展与研究前景进行了展望。

基音在语音编码中通常采用7bit无失真均匀量化。由于浊音段语音的基音普遍具有缓慢渐变的特点，为了更有效地去除前后帧基音之间存在的相关性，该文基于Eriksson和Kang提出的4bit基音量化算法，针对汉语语音进行研究，实现了一套4~6bit基音量化算法。该算法计算简单，无需码书存储。将此基音量化方案应用于WI模型和WI编码器，主观A/B听力测试结果表明，该方案在高效量化基音的同时保证了合成语音质量几乎没有损失，完全满足低速率WI编码器对量化基音的要求。

经典数据驱动型TSK(Takagi-Sugeno-Kang)模糊系统在获取模糊规则时，会考虑数据的所有特征空间，其带来一个重要缺陷：如果数据的特征空间维数过高，则系统获取的模糊规则繁杂，使系统复杂度增加而导致解释性下降。该文针对此缺陷，探讨了一种基于模糊子空间聚类的〇阶L2型TSK模糊系统(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)构建新方法。新方法构建的模糊系统不仅能缩减模糊规则前件的特征空间，而且获取的模糊规则可对应于不同的特征子空间，从而具有更接近人类思维的推理机制。模拟和真实数据集上的建模结果表明，新方法增强了面对高维数据所建模型的解释性，同时所建模型得到了较之于一些经典方法更好或可比较的泛化性能。