上下文感知应用和普适计算环境逐渐渗入人们生活环境的今天，上下文感知应用的设计开发时的支撑环境方面仍主要采用传统的面向对象等技术及编程模型，这样在设计时与上下文相关的行为会分布在程序中，即环境上下文和行为在程序编码时就进行了绑定，这使得环境依赖因素和程序控制主体结合的过分紧密，不能适应普适计算环境多样、复杂、动态和多变等特点，更难于进行系统维护和扩展.本文以实现应用程序动态适应环境信息变化为目的，设计并实现了采用动态代理为底层实现机制，通过映射规则的建立将上下文信息和编程逻辑进行分离的上下文感知编程模型EIPM，提供了相应的开发编译平台和执行容器在内的应用框架系统原型，实现一种适应普适计算环境上下文动态复杂多变特点的编程模型.以普适环境文件访问系统中上下文感知部分模块的开发为例，进行了EIPM应用框架原型系统功能的可行性测试，结果表明EIPM编程模型具备了对环境上下文变化的动态适应性.
构建了一个基于贝叶斯网络的信息安全风险概率计算模型，并保证其可扩展性、精确性和客观性.模型的网络结构以规划渗透图表现，模型网络参数由专家知识确定并利用贝叶斯学习对其进行更新.实例分析表明构建的模型可以正确量化评估信息安全风险概率.
图像分割是是计算机视觉研究中的一个经典难题，已成为图像理解领域关注的一个热点.本文对近年来图像分割方法的研究现状与新进展进行了归纳总结.首先，简单介绍了图像分割的传统方法，包括基于区域的、基于边缘的和两者结合的图像分割方法.然后，分别从数学形态学、模糊集、神经网络、支持向量机、免疫算法、图论和粒度计算等方面对图像分割方法进行了重点讨论，并对应用每一种理论的最新研究进展作了评述.最后，对图像分割方法的发展趋势进行了展望.
本文从模仿机制的再现环节入手，采用知识使用和行动预见为主的拟人化推理策略，来实现有效的行为模仿.具体地，以模糊集合间的Hausdorff距离作为知识使用的尺度，导入知识半径到距离型模糊推理方法当中实现知识的选择使用；以预见控制的基本思想为指导，设计行动预见模型作为知识使用的高层决策，优化知识使用策略的参数.并以驾驶行为模仿为例，验证了拟人化推理策略对于动态知识使用的有效性，实现了即学即仿的模仿效果.
