差异性和平均精度是提高分类器集成性能的两个重要指标。增加差异性势必会降低平均精度，增大平均精度一定会减小差异性。故在差异性和平均精度之间存在一个平衡状态，使得集成性能最优。为了寻找该平衡状态，该文提出融合改进二元萤火虫算法和互补性测度的集成剪枝方法。首先，采用bootstrap抽样方法独立训练出多个基分类器，构建原始基分类器池。其次，采用互补性测度对原始基分类器池进行预剪枝。接着，通过改进萤火虫的移动方式和搜索过程，引入重新初始化机制和跳跃行为，提出改进二元萤火虫算法。最后，采用改进二元萤火虫算法对预剪枝后的基分类器，进行进一步剪枝，选择出集成性能最优的基分类器子集合。在5个UCI数据集上的实验结果表明，较其他方法，使用较少的基分类器，获得了更优的集成性能，具有良好的有效性和显著性。

在动态密集场景中，路径规划方法面临计算复杂度高、系统可扩展性差等问题，尤其在障碍物密度大、智能体数量多的结构化环境中，易出现寻路效果不佳及碰撞死锁等现象。针对复杂场景下多智能体路径规划通信与动态冲突的双重挑战，该文提出一种基于选择性通信与冲突解决的多智能体路径规划方式(DCCPR)。该方法构建动态联合屏蔽补充决策机制，通过融合A*算法生成的期望路径与双惩罚项强化学习，在实现任务目标的同时减少路径偏差；引入基于多层次动态加权的优先级冲突解决策略，结合初始距离优先级、任务Q值动态调整及轮流通行机制，有效处理系统中冲突情境。通过在训练期间从未见过的结构化地图上测试，相比决策因果通信(DCC)任务成功率提高约79%，平均回合步长降低了46.4%。

在万物互联的云时代，云应用程序编程接口(API)是数字经济建设和服务化软件开发的关键数字基础设施。然而，云API数量的持续增长给用户决策和推广带来挑战，设计有效的推荐方法成为亟待解决的重要问题。现有研究多利用调用偏好、搜索关键词或二者结合进行建模，主要解决为给定Mashup推荐合适云API的问题，未考虑开发者对个性化高阶互补云API的实际需求。该文提出一种基于个性化张量分解的高阶互补云API推荐方法(Personalized Tensor Decomposition based High-order Complementary cloud API Recommendation, PTDHCR)。首先，将Mashup与云API之间的调用关系，以及云API与云API之间的互补关系建模为三维张量，并利用RECAL张量分解技术对这两种关系进行共同学习，以挖掘云API之间的个性化非对称互补关系。然后，考虑到不同互补关系对推荐结果的影响程度不同，构建个性化高阶互补感知网络，充分利用Mashup、查询云API以及候选云API的多模态特征，动态计算Mashup对不同查询和候选云API之间互补关系的关注程度。在此基础上，将个性化互补关系拓展到高阶，得到候选云API与查询云API集合的整体个性化互补性。最后，利用两个真实云API数据集进行实验，结果表明，相较于传统方法，PTDHCR在挖掘个性化互补关系和推荐方面具有较大的优势。

该文提出了CDMA网络规划的线性建模方法。该方法用线性方程组对 CDMA系统进行建模,并可用迭代的方法求解,该文同时给出了模型的仿真结果,仿真结果表明,该方法具有较高的准确性,完全可以用于对实际网络的规划,同时,该方法便于用计算机实现,可以作为规划软件的算法模型。

完备互补序列是一类具有理想相关函数性质的信号，在多址接入通信系统、雷达波形设计等领域具有广泛的应用。然而完备互补序列集合大小不超过其子序列数目。为扩展互补序列数目，该文研究了非周期低相关区互补序列集的构造方法，首先提出了两类有限域上的映射函数，进而得到两类参数渐近达到最优的低相关区互补序列集。该类低相关区互补序列集相比完备互补序列集具有更多的序列数目，在通信系统中可支持更多的用户。

皮肤的颜色特性被广泛地应用于人脸检测和跟踪中，本文采用HSV空间与归一化RGB空间相结合的肤色模型，提取原始图像中的类肤色区域作为候选人脸目标；采用数学形态学算子，分别用来完成去除噪声和干扰，分离侯选目标，提取眼睛嘴巴孔洞，以及标示人脸轮廓等处理过程。大量实验表明，该方法能有效地剔除臂和手等非人脸肤色目标；能克服人脸遮挡，姿势和方向变化，大小差异，光照变化等造成的困难；该方法的计算开销较小，易于实现，适合快速人脸检测。

路径规划是为机器人生成可行驶路径以实现循迹的过程。因此，机器人的位置应该位于或靠近规划的行驶路径。从而，路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型，该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中，模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上，提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中，应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中，从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明，所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统)，并显著提高机器人定位的整体性能。

该文利用最佳四元二维互补阵列和准最佳四元二维互补阵列的性质,给出了一种构造最佳四元二维互补阵列的新方法。使用这种方法,可以将一个二维的st 阶的最佳四元二维互补阵列和一个2st 阶的准最佳四元二维互补阵列,构造成新的一类二维4st 阶和2s2t 阶的最佳四元二维互补阵列。

本文研究了互补序列偶的构造问题,得到了一种新的二元互补序列偶的构造方法,即由N长二元序列偶和M长二元序列偶来构造MN长二元序列偶。这不仅拓宽了二元互补序列偶可构造的空间范围,更重要的是可以通过此种构造方法来构造更长的奇数长二元互补序列偶,弥补了原有的构造方法只能构造偶数长度的互补序列偶的不足,而且对研究奇数长二元互补序列偶也具有重要意义。

本文针对目前频率规划中存在的问题,提出了利用专家系统和遗传算法等来克服手工频率规划和电子地图要求极高的障碍,从而在缺少电子地图的情况下,借助专家的经验和知识同时利用优化算法亦能给出较准确的频率规划方案。