基于模型的诊断问题在人工智能领域内一直备受关注，将诊断问题转换成SAT （Satisfiable）问题成为解决基于模型诊断问题的一个重要方法.基于目前高效诊断方法LLBRS-Tree （Last-Level Based on Reverse Search-Tree）的研究，本文提出电路分块诊断方法ACDIAG （Abstract Circuit Diagnosis）方法，对电路进行分块来缩减电路规模，利用LLBRS-Tree方法对分块后抽象电路求得极小块诊断解；提出诊断解拓展方法，结合分块后电路结构特征对每个极小块诊断解进行直接扩展得到极小诊断解，避免对抽象电路还原后才能得到所有解的问题.
本文提出了一种基于局部形状结构分类的心血管内超声（Intravascular Ultrasound，IVUS）图像中-外膜边界检测方法.首先利用k-均值（k-means）聚类方法，确定局部形状结构类别；其次通过类别标号索引图像块，并对其进行积分通道特征和自相似性特征提取，构建多分类随机决策森林模型；最后由分类模型寻找IVUS图像的关键点，采用曲线拟合方法，实现IVUS图像中-外膜边界检测.实验结果表明，本文方法能够有效地解决IVUS图像中斑块、伪影和血管分支等造成边缘难以准确检测的问题，与已有算法相比，其JM （Jaccard Measure，JM）达到了88.9%，PAD （Percentage of Area Difference，PAD）降低了19.1%，HD （Hausdorff Distance，HD）减少了9.7%，更准确地识别目标边界的关键点，成功地检测出完整的中-外膜边界.
针对实际飞机电源系统电缆布线复杂，数量多的问题，本文基于现有的单根电缆故障检测成本高、效率低、检测难度大的研究现状，利用混沌序列对初值敏感（初值不同信号干扰小）、序列数量巨大的特点，提出将混沌序列用于飞机多根电缆故障在线同步诊断的方法.解决了扩展频谱时域反射法（Spread Spectrum Time Domain Reflectometry，SSTDR）中采用相同m序列进行同步诊断时相互干扰、易误判问题，m序列数量限制导致的检测数量问题.研究发现其尖锐的自相关特性能够较好应用于单根电缆故障诊断，故障特征明显；其良好的互相关特性能够同时进行多根电缆的故障诊断，抗干扰性好；结合混沌序列数量多的优势，其能够推广应用于复杂电缆故障的在线诊断.实验结果表明混沌扩频电缆故障诊断方法可有效实现多根电缆故障的同步诊断，定位误差在20cm以内，检测率达90%以上.
针对宽带波达方向（Direction of Arrival，DOA）估计中导向矢量的频率不一致问题，提出一种新算法.首先对搜索方向信号进行时延补偿，使其与法线方向信号具有相同的阵列时延特征，同时将其它方向信号当作噪声处理，然后计算子空间的正交性并将其作为该搜索方向上空间谱值，最后给出快速算法以降低运算量.由于滤波器的群时延值不能任意改变，采用频域方法实现时延补偿.新算法不需要预估信号源数目和DOA初值，且仿真结果表明：在信号源互不相关和功率谱密度分布平坦的前提下，新算法分辨率更高、估计误差更小.
针对维吾尔语人称代词指代现象，提出利用双向长短时记忆网络（Bi-directional long short term memory，Bi-LSTM）的深度学习机制进行基于深层语义信息的维吾尔语人称代词指代消解.首先将富含语义和句法信息的word embedding向量作为Bi-LSTM的输入，挖掘维吾尔语隐含的上下文语义层面特征；其次对维吾尔语人称代词指代现象进行探索，提取针对人称代词指代研究的24个hand-crafted特征；然后利用多层感知器（multilayer perception，MLP）融合Bi-LSTM学习到的上下文语义层面特征与hand-crafted特征；最后使用融合的两类特征训练softmax分类器完成维吾尔语人称代词指代消解任务.实验结果表明，充分利用两类特征的优势，维吾尔语人称代词指代消解的F1值达到76.86%.实验验证了Bi-LSTM与单向LSTM、浅层机器学习算法的SVM和ANN相比更具备挖掘隐含上下文深层语义信息的能力，而hand-crafted层面特征的引入，则有效提高指代消解性能.
提出一种基于稀疏特征挑选（Sparse selection）和概率线性判别分析（Probabilistic linear discriminant analysis）的表情识别方法SS-PLDA.该方法由两部分构成：第一部分是使用稀疏的方法挑选出人脸与表情相关的区域，构造表情的完备特征集；第二部分是针对构造的表情完备特征集里仍含有一些其他信息，运用概率线性判别分析实现表情特征与干扰信息的分离，学习出一个只含有表情信息的子空间，最后基于该表情子空间进行表情识别分析.通过在CK+和JAFFE这两个数据库上面的实验，证实了基于稀疏特征挑选的方法可以得到识别性能的改善，且先使用特征挑选再对所挑选结果应用概率线性判别分析可以达到更好的提升效果.
