本文基于随机有限集的高斯混合多目标滤波器（Gaussian Mixture Multi-Target Filter，GM-MTF）提出几种传感器控制策略.首先，基于容积卡尔曼高斯混合多目标非线性滤波器，借助两个高斯分布之间的巴氏距离，推导GM-MTF的整体信息增益，并以此为基础提出相应的传感器控制策略.另外，设计高斯粒子的联合采样方法对多目标滤波器的预测高斯分量进行采样，用一组带权值的粒子去近似多目标统计特性，利用理想量测集对粒子的权值进行更新，继而研究利用Rényi散度作为评价函数，提出一种适应性更好的传感器控制策略.最后，给出基于目标势的后验期望（Posterior Expected Number of Targets，PENT）评价的高斯混合实现过程.仿真实验验证了提出算法的有效性.
本文从单基地雷达抗干扰的应用需求出发，分析了现有单基地雷达体制抗干扰的现状以及面临的困难.针对欺骗式干扰对抗的难题，提出了基于新体制波形分集阵雷达的抗主瓣方向欺骗式干扰思路，利用频率分集阵（Frequency Diverse Array，FDA）多输入多输出（Multiple-Input Multiple-Output，MIMO）雷达发射维自由度，实现真实目标和转发假目标在发射维度的区分，在部分先验知识的条件下，初步论证了FDA-MIMO雷达抗欺骗式干扰特别是主瓣欺骗式干扰的可行性.同时考虑转发式欺骗干扰在时间维的伪随机特性，提出了基于多假设检验的干扰样本挑选方法，大大提高了干扰协方差矩阵的估计性能.最后给出了FDA-MIMO雷达抗主瓣欺骗式干扰的分析与仿真结果.
随着互联网和云计算技术的迅猛发展，现有动态随机存储器（Dynamic Random Access Memory，DRAM）已无法满足一些实时系统对性能、能耗的需求.新型非易失存储器（Non-Volatile Memory，NVM）的出现为计算机存储体系的发展带来了新的契机.本文针对NVM和DRAM混合内存系统架构，提出一种高效的混合内存页面管理机制.该机制针对内存介质写特性的不同，将具有不同访问特征的数据页保存在合适的内存空间中，以减少系统的迁移操作次数，从而提升系统性能.同时该机制使用一种两路链表使得NVM介质的写操作分布更加均匀，以提升使用寿命.最后，本文在Linux内核中对所提机制进行仿真实验.并与现有内存管理机制进行对比，实验结果证明了所提方法的有效性.
为改进亮度保持双直方图均衡算法的不足，提出基于最大熵模型的动态范围优化方法，扩展了双直方图均衡算法的应用范围，使之不仅适用于正常亮度图像，对低照度及高亮图像也能取得较好的效果.算法首先选用大津法确定直方图数据分割点；然后对初始直方图进行预处理；根据所提出的最大熵模型确定最佳的动态范围分割点；最后进行双直方图均衡得到增强图像.本文选取多个图像数据库进行测试，并与BBHE（Brightness preserving Bi-Histogram Equalization）、BPCLBHE（Brightness Preserving and Contrast Limited Bi-Histogram Equalization）、ESIHE（Exposure based Sub Image Histogram Equalization）和DRSHE（Dynamic Range Separate Histogram Equalization）进行比较，同时将信息熵、对比度和NIQE（Natural Image Quality Evaluator）作为客观评价指标.实验结果证明，本文算法对各类图像均具有较好的主观视觉效果和客观评价指标，在保留细节的同时兼顾了对比度的增强.
针对如何有效使用多源域的决策知识去预测目标域样例标签的问题，提出一种平衡域与样例信息的多源迁移学习算法.为实现上述目的，本文提出了一种基于域与样例平衡的多源迁移学习方法（Multi-source Transfer Learning by Balancing both Domains and Instances，MTL-BDI）.该方法的基本思想是将域层面和样例层面的双加权平衡项嵌入到迁移学习的原始目标函数中，然后利用交替优化技术对提出的目标函数进行有效求解.在文本和图像数据集上的大量实验表明，该方法在分类精度方面确实优于现有的多源迁移学习方法MCC-SVM（Multiple Convex Combination of SVM）、A-SVM（Adaptive SVM）、Multi-KMM（Multiple Kernel Mean Matching）和DAM（Domain Adaptation Machine）.
