Hep-2染色模式分类主要用于免疫疾病诊断，但已有方法受荧光成像环境，细胞图像自身的视觉特性的影响，分类准确率较低.本文提出一种新的适合于HEp-2染色模式分类的特征提取方法.在构建了不同尺度下的高斯平滑图像序列后，利用shape index实现图像二维结构的直观描述，进而通过多灰度阈值图像结构的空间分解，使其同时具备对微观二维图像结构和空间信息的描述能力.该方法在ICPR和SNP HEp-2数据集的两折交叉细胞级测试中，分别获得89.83%和87.49%的准确率，在ICPR的28折交叉细胞级和图像级测试分别达到60.5%和70.56%的准确率，明显优于LBP、CLBP等方法，和CoALBP特征相当.
由脑磁时序信号重建脑内时序神经信号时，除了要保证重建信号位置和强度的准确性，还要避免重建源信号在时域上瞬变.针对这一问题，提出了一种基于时域平滑约束的脑磁时序信号逆问题求解方法.该方法不同于传统最小范数估计算法（Minimum Norm Estimate，MNE），通过引入时域平滑正则算子构造双参数混合正则化，根据广义交叉验证（Generalized Cross-Validation，GCV）原则选取双正则化参数后，根据单正则项的解在源信号中的权重将其进行线性组合估算出源信号.仿真数据实验表明，本文方法比传统MNE方法的总体均方误差小，且各时刻均方误差基本稳定在同一水平；同时本文方法重建的源信号与仿真源信号变化趋势基本一致.真实数据实验发现，本文方法重建结果的曲率变化率为0.0640，而传统MNE方法重建结果的曲率变化率为0.1646.实验结果证明本文方法能重建出空域准确且时域平滑的脑内神经信号.
针对基于识别门限的奇偶矢量法等双星故障识别算法存在较大误警率、漏检率以及故障偏差抵消致使双星故障正确识别率较低的问题，提出了一种改进的用于双星故障识别的接收机自主完好性监测算法.在奇偶矢量法的基础上，构造故障特征平面和改进奇偶矢量，分析二者之间的几何特征与卫星故障的关系，并设计相应算法识别故障卫星.该算法不受识别门限的影响，避免了由识别门限引起的识别率较低的不足.半物理仿真结果显示：改进后的算法故障识别率达到90%以上，与直接利用奇偶矢量法相比，可以显著提高双星故障识别率.
图像非刚性配准在计算机视觉和医学图像有着重要的作用.Demons算法被证明是解决非刚性配准的有效方法，然而存在的Demons非刚性配准算法对灰度均匀和弱纹理区域的图像配准精度低，优化易陷入局部极小导致配准速度缓慢.针对该问题，将R-L（Riemann-Liouville）分数阶微分引入到主动Demons算法中，提出了基于R-L分数阶梯度驱动的主动Demons算法.本文将R-L分数阶梯度代替传统的梯度算子，不但可以增强图像的细节信息，而且可以增强灰度均匀和弱纹理区域的梯度信息，从而提高了图像配准精度和速度.另外，通过实验给出了配准精度与R-L分数阶模板参数之间的关系，从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的，但是其最佳配准阶次一般在0~1之间.理论分析和实验结果均表明，该算法可以用于灰度均匀和弱纹理区域的图像配准，且配准精度和速度都有明显的提高，本文方法是Demons算法应用的一个重要延伸.
以Alpha稳定分布作为噪声模型，研究了脉冲噪声环境下宽带双基地MIMO雷达系统中参数估计问题.针对在脉冲噪声环境中，基于传统的信号模型和算法效果显著退化的问题，本文提出了基于分数低阶统计量的宽带模糊函数算法.首先根据分数低阶宽带模糊函数的峰值点实现对多普勒频率尺度因子和时延的联合估计.接下来基于分数低阶宽带模糊函数构造两个子阵.通过采用改进的MUSIC算法和ESPRIT算法实现了收发角的联合估计.仿真实验表明本文算法具有很好的性能.
高空间分辨率遥感影像的建筑物自动提取能够加速城市基础地理数据库的更新进程.建筑物提取方法存在的一个亟需解决的问题是建筑物轮廓难以准确提取.本文通过建筑物的阴影特征和图割提出一种在高分辨率遥感影像中识别与提取建筑物的方法.首先，基于势直方图函数检测阴影；然后，以长宽比和矩形度作为约束条件从图割结果中筛选出候选分割对象；最后，利用开运算、膨胀和腐蚀分别对阴影进行处理，计算处理后的阴影和候选分割对象之间的邻接关系得到建筑物及其轮廓.为了验证本文方法的有效性，选取PLEIADES影像中6幅具有代表性的子图像进行试验，结果表明本方法的平均查准率和平均查全率分别达到92.31%和74.23%.
生活消费平台已成为人们获取商家信息、反馈服务或产品质量的重要平台.虚假评论作为一种夸大或诽谤目标商家口碑的商业行为在生活消费平台很普遍，具有很强的危害性.本文对某网站的真实评论展开虚假评论研究，深入分析研究虚假评论的特征，从“可信度”的角度出发，提出用户及商家可信度模型.利用评论人的行为特征、商家的特征和评论文本的特征构建了虚假评论识别模型，经测试该模型达到了一个良好的识别效果.
提出了一种新的用于芯片内/芯片间无线通信系统中的基于人工磁导体（Artificial Magnetic Conductor，AMC）结构的单极子管脚天线阵列模型.印刷电路板（Printed Circuit Board，PCB）采用厚度3mm的FR4介质，形状为边长50mm正方形.4个单极子天线分布在PCB基板中心15mm×15mm的正方形各顶点上，代表4个芯片的4个管脚.天线为铜材质，长度2.6mm，直径1.5mm.在PCB介质中嵌入了一个周期性人工磁导体铜质平面，4个单极子天线形成一个4端口网络.在仿真基础上，进了实物加工测试.实测结果表明，具有AMC的天线阵列回波损耗（S11）-10dB频带为13.02GHz~15.73GHz；在14.22GHz处，S11的幅度达到最小值-27.25dB，S21、S31、S41分别为-26.26dB、-19.23dB、-21.14dB.与不含AMC结构的天线阵列相比，S参数得到了有效改善，其中S11改善了约3.63dB，S21、S31、S41分别提高了2.05dB、7.21dB、5.28dB.验证了在PCB介质中嵌入AMC结构，可以有效提高单极子天线间的电压传输系数，增加信号的功率传输增益.
针对增益均衡器小型化的发展趋势和要求，设计了多子结构单元级联的Ku波段的半模基片集成增益均衡器.谐振子单元与主传输线在三层介质基板上，成空间立体分布，构成七层结构；提出了利用多节微带线枝节进行阻抗匹配的过渡带设计方法，根据坐标变换分析得到HMSIW谐振腔的主模；采用羟基铁填充的吸收柱阵列调节衰减量和Q值，给出了该结构均衡器的设计步骤.与微带均衡器相比，该均衡器提高了Q值，减小了损耗.测试结果表明，该结构保持了和腔体类均衡器相同的性能，同时缩小了体积，实测结果与目标均衡曲线吻合度较好，最大差值为0.6dB.行波管与均衡器联测后，输出增益波动小于±0.4dB.
脉冲神经元应用脉冲时间编码神经信息，监督学习的目标是对于给定的突触输入产生任意的期望脉冲序列.但由于神经元脉冲发放过程的不连续性，构建高效的脉冲神经元监督学习算法非常困难，同时也是该研究领域的重要问题.基于脉冲序列的核函数定义，提出了一种新的脉冲神经元监督学习算法，特点是应用脉冲序列核构造多脉冲误差函数和对应的突触学习规则，并通过神经元的实际脉冲发放频率自适应地调整学习率.将该算法用于脉冲序列的学习任务，期望脉冲序列采用Poisson过程或线性方法编码，并分析了不同的核函数对算法学习性能的影响.实验结果表明该算法具有较高的学习精度和良好的适应能力，在处理复杂的时空脉冲模式学习问题时十分有效.
全同态加密为云计算中数据全生命周期隐私保护等难题的解决都提供了新的思路.公钥尺寸较大是现有全同态加密体制普遍存在的问题.本文将基于身份加密的思想和全同态加密体制相结合，利用环上容错学习问题（Ring Learning With Errors，RLWE），其中将环的参数m扩展到任意正整数，提出了一种基于身份的全同态加密体制.体制以用户身份标识作为公钥，在计算效率和密钥管理方面都具有优势，安全性在随机喻示模型下可规约为判定性RLWE问题难解性假设.
随着遥感技术的发展，地形数据规模越来越大，远远超过了内存处理的范围，成为急需解决的问题.通过数据压缩提高系统吞吐量是常用技术之一，随着GPU技术的快速发展，传统的压缩算法无法充分利用GPU的能力.鉴于此，本文提出了一种基于GPU的地形数据压缩方法，实现了高度域和位置信息的压缩.不同于其他的算法仅对高度或位置进行压缩，本文的主要贡献在于将地形的位置和高度同时进行处理，当前顶点的所有信息都可以根据当前分段计算得到.算法对地形的高度域进行贝塞尔曲线的近似，保存每个顶点的差值，实现有损和无损的相结合的高比率的压缩.通过与传统方法的比较，实验结果表明，能够取得很好的压缩效果.
提出一种基于演化历史信息的自变异协同量子行为粒子群优化算法（ESH-CQPSO）.该算法采用二维空间分割树结构记录群体演化过程中的位置和适应值，借助群体之间的协同机制确保增强搜索能力，提高优化性能，防止过早收敛.通过空间分割机制可以获得一个快速的近似适应度函数.这个近似值可以提高ESH-CQPSO中的变异策略，使得相应的变异操作是一种无参数、多样性的自适应变异.对比其他传统算法，通过对标准测试函数的实验结果表明，ESH-CQPSO算法在处理多峰和单峰测试函数时具有更好的优化性能，收敛精度和收敛速度都得到了提高，证明该算法的有效性.
本文提出了一种利用核典型关联性分析提取源域目标域最大相关特征，使用核逻辑斯蒂回归模型进行域自适应学习的算法，该算法称为KCCA-DAML（Kernel Canonical Correlation Analysis for Domain Adaptation Learning）.该算法基于特征集关联性分析，有效的减小源域和目标域的概率分布差异性，利用提取的最大相关特征通过核逻辑斯蒂回归模型实现源域到目标域的跨域学习.实验比较源域数据上核逻辑斯蒂学习模型、目标域上核逻辑斯蒂学习模型、源域和目标域上核逻辑斯蒂学习模型和KCCA-DAML模型，结果显示KCCA-DAML在真实数据集上成功的实现了跨域学习.
在远程监视模式下，高分辨率SAR-GMTI雷达系统面临目标扩散、信噪比低等挑战，传统基于点目标检测方法性能恶化明显.本文提出一种目标形状与阴影辅助的高分辨率SAR-GMTI雷达扩展动目标检测方法.该方法首先对杂波抑制后的残差图聚类并生成目标形状信息；然后依据目标阴影形成的几何模型计算与目标形状相匹配的阴影模板，并利用目标径向速度估计值生成阴影位置匹配条件；最后综合利用阴影形状、位置及幅度信息，剔除不符合匹配条件的虚假目标，降低虚警.仿真验证了所提方法对低信噪比扩展目标检测性能的改善.
为了提高基于分帧特征变换方法的稳定性，提出了一种基于分段的区分性特征变换方法.该方法将特征变换当成高维信号的稀疏逼近问题，采用状态绑定的方法训练得到基于域划分的线性变换矩阵（Region Dependent Linear Transform，RDLT）和基于最小音素错误准则均值补偿的特征（mean-offset feature Minimum Phone Error，m-fMPE）变换矩阵，将两者的特征变换矩阵构成过完备的字典；采用强制对齐的方式对语音信号进行分段，以似然度最大化作为目标函数，利用匹配追踪算法对目标函数迭代优化，自动地确定各语音信号段中的变换矩阵及其系数.为保证特征变换的稳定性，在选择变换矩阵过程中引入相关度测量，去除相关的特征基矢量.实验结果表明，相比于传统的RDLT方法，当声学模型分别采用最大似然和区分性准则训练时，识别性能分别可以提高1.63%和2.23%.该方法同时能应用于语音增强和模型区分性训练中.
程序验证是保证程序正确性的关键技术.由于经典世界和量子世界的本质不同，经典程序验证的技术和工具不能直接应用到量子系统.而量子程序设计语言是描述量子系统的一种新的形式化模型，量子程序的验证问题就显得更为迫切和必要.本文首先讨论了量子通讯中常用的比特翻转、相位翻转、去极化、幅值阻尼、相位阻尼等信道作为特殊的非确定型量子程序从计算基态开始运行时的可达集合和终止集合等程序验证问题.其次，把上述五种量子程序两两组合组成非确定型量子程序，根据这五种量子程序的可达集合之相似点，最终合并成三种非确定型量子程序，重点讨论了这三种非确定型量子程序从计算基态开始运行时的终止和发散等程序验证问题.研究表明：这三种非确定型量子程序从计算基态0开始运行时都是终止的；而从计算基态1开始运行时：比特翻转信道和去极化信道组成的非确定型量子程序的终止和发散与分别刻画它们的两个参数有关；比特翻转信道和相位翻转信道组成的非确定型量子程序的终止和发散只与刻画比特翻转信道的参数有关；幅值阻尼信道和相位阻尼信道组成的非确定型量子程序是发散的，其发散条件与刻画量子信道的两个参数都没有关系.本文的结果可以为量子信息安全中量子通讯协议的验证提供理论和技术支持.
研究压缩感知用于信号采样的工程化问题，给出了MWC（Modulated Wideband Converter）结构压缩感知宽带接收机的具体设计方案，提出了字典基自环测量获取方法和字典基的时延估计补偿算法，有效解决了工程化中因观测电路存在传输时延、通带波纹等与理论观测矩阵不一致，导致压缩感知处理数字调制信号时存在重构畸变的问题.实验测量了接收机的频率覆盖范围，验证了压缩感知的有效性，并以QPSK（Quadrature Phase Shift keying）信号解调误码率为标准量化评估了压缩采样造成的信号质量损失.
文章针对虚拟现实系统，介绍了立体图像的生成方法.提出了利用单个相机通过不同的投影变换来拍摄双眼图像.基于单相机拍摄的方法，分析了立体图像的视差形成机制，给出了有头跟踪设备和无头跟踪设备两种情况下双眼图像的视差变换矩阵.进一步分析了视差大小、感知深度、感知变形和模型变形之间的联系，将视差的产生归结为模型的几何变形.提出可以通过模型的几何变形来控制视差和感知物体的变形，从而给出了一种基于模型网格变形的非线性深度映射方法.该方法能有效的减少因感知物体的变形而带来的视觉瑕疵，并能消除在头跟踪系统中因深度映射导致的图像漂移.
频谱资源紧缺已成为无线通信技术发展的瓶颈.本文通过控制阵元间馈电相位差将轨道角动量（orbital angular momentum）技术应用于阵列天线中，利用L型探针馈电微带贴片天线沿圆周等距排列设计出一种工作频段在1.35GHz~1.86GHz，相对带宽达到31.8%的8阵元涡旋电磁波宽频微带天线.仿真实验表明，该天线可以产生具有多模态轨道角动量的涡旋电磁波，当用于移动通信系统的发射端，它能够实现在同一时间、同一频率下的多路信号传输，提高了系统的容量和传输速率.
在芯片制造工艺中，参数扰动影响了集成电路（Integrated Circuit，IC）成品率，使不同参数成品率间存在着此消彼长的相互制约关系，而目前IC参数成品率优化算法却主要局限于单一优化目标问题.本文提出一种基于工艺参数扰动的参数成品率多目标优化算法.该算法针对漏电功耗成品率及芯片时延成品率，首先构建具有随机相关性的漏电功耗及芯片时延统计模型；随后根据其相互制约特性建立基于切比雪夫仿射理论的参数成品率多目标优化模型；最后利用自适应加权求和得到分布均匀的帕雷托优化解.实验结果表明，该算法对于具有不同测试单元的实验电路均可求得大约30个分布均匀的帕雷托优化解，不仅能够有效权衡多个优化目标间的相互制约关系，还可以使传统加权求和优化方法在帕雷托曲线变化率较小之处得到优化解.
度量社交网络节点影响力是社交网络结构分析的关键问题之一.目前研究社交网络节点影响力的方法主要有两大类：中心度方法和节点删除方法.前者主要通过度或最短路径等因素来判断节点的影响力，不考虑网络的连通性；后者通过节点删除后对网络结构的破坏程度来判断，计算复杂性很高，不适用于较大规模的社交网络.通过结合社交网络的局部连通度及节点间的最短路径，提出了连通中心度来度量社交网络中节点的影响力，并给出了连通中心度的计算方法和一些特殊网络中节点的连通中心度的值.最后，通过实验说明该指标能很好地度量社交网络中节点的影响力.
本文提出了利用相位门自动控制Grover搜索算法迭代次数的算法.Grover搜索算法最终得到目标分量的概率非常依赖于酉算子迭代的次数.迭代次数的计算依赖于目标分量的数量.因此当目标分量数未知时，该方法无法以高概率测量到目标分量.在以往的解决方案中需要较高的Oracle查询复杂度才能以一定概率得到目标分量的数量.本文提出了一种通过判断叠加态相位正负性，可自动控制Grover搜索算法迭代次数的方法.只需要添加一个判断相位的门电路，仅增加一次Oracle查询次数就可以精确的在最优迭代次数时停止Grover搜索算法，在搜索空间较小时可比原算法有更大的概率得到目标分量.
任务场景日趋复杂给MIMO（Mutiple-Input Mutiple-Output）雷达带来诸多挑战.为应对强散射体遮蔽干扰、阵元间波形互扰及特定频带干扰等复杂电磁环境，该文提出一种松弛迭代谱拟合交替投影算法来设计相位编码波形.该算法基于功率谱拟合及交替投影框架，并引入扩展的加速因子；首先，凭借功率谱与非周期相关函数的傅里叶变换关系，将相关特性拟合问题转化为功率谱近似问题；然后，构建理想波形频谱并利用松弛机制扩展优化投影区；最后，利用快速傅里叶变换及加速交替投影机制迭代优化.计算机仿真表明，该算法运算效率高、可有效避免局部停滞，与当前流行算法相比更适合在线波形设计.
微博已经成为日常生活中最流行的信息分享工具.转发是微博中信息传播的核心方法，所以转发量预测不仅是一个有趣的研究问题，也有较大的实际意义.然而，当前大部分研究只是把问题视为分类或回归问题，没有考虑转发的传播过程.本文中，我们提出一个符合转发传播过程的转发量预测模型.本文认为转发信息来自两方面：直接粉丝和间接粉丝，而粉丝带来的转发量由转发意愿和影响力决定.我们用历史行为和内容相关性来估算一名直接粉丝的转发意愿，并用他/她的影响力来估算通过他/她的间接粉丝的转发量.新浪微博上的实验表明我们的模型比其他已有的方法效果好.
对于协作多点系统，下行信道信息误差会大幅降低联合传输的性能.为了避免下行信道信息误差对联合传输的影响，本文利用其二阶统计特性，设计了非线性鲁棒预编码算法.由于协作多点系统的特点和非线性鲁棒预编码的结构会导致用户间的性能差异，本文通过优化非线性鲁棒预编码算法的连续干扰消除先后顺序，从而改善性能最差用户的误码率，降低非线性鲁棒预编码算法的平均误码率.仿真结果表明当下行信道信息误差存在时，本文所提出的非线性鲁棒预编码性能优于传统的线性和非线性预编码性能.仿真结果还表明优化排序能提高非线性鲁棒预编码的性能增益.
针对非完全信息环境下认知无线网络中的分布式功率控制问题，根据不同非授权用户对信道检测结果的差异，以及信道检测结果的非独立性，提出了一种基于隐马尔科夫模型的功率博弈机制.非授权用户可利用该模型推测其它非授权用户是否参与博弈，从而提升了博弈的信息准确度，使得非授权用户能够选择更优的发射功率.仿真表明，该功率控制机制在保证通信质量的前提下能够获得更大的容量功率比，具有更好的功率效率.
集成电路工艺水平的提升，使得由单粒子瞬态脉冲造成的芯片失效越发不容忽视.为了准确计算单粒子瞬态脉冲对锁存器造成的失效率，提出一种考虑多时钟周期瞬态脉冲叠加的锁存窗屏蔽模型.使用提出的考虑扇出重汇聚的敏化路径逼近搜索算法查找门节点到达锁存器的敏化路径，并记录路径延迟；在扇出重汇聚路径上，使用提出的脉冲叠加计算方法对脉冲进行叠加；对传播到达锁存器的脉冲使用提出的锁存窗屏蔽模型进行失效率的计算.文中的锁存窗屏蔽模型可以准确计算扇出重汇聚导致的脉冲叠加，并对多时钟周期情形具有很好的适用性.针对ISCAS’85基准电路的软错误率评估结果表明，与不考虑多时钟周期瞬态脉冲叠加的方法相比，文中方法使用不到2倍的时间开销，平均提高7.5%的软错误率评估准确度.
非线性系统分析的核心归结为系统状态方程的求解问题，对于一般非线性控制系统，通过引入由状态量、控制量与自变量时间坐标构成的“广义状态空间”，在广义状态空间一点将方程的右端展开为时间的Taylor级数，进一步直接积分获得非线性控制系统状态方程关于自变量时间的级数解.以球型机器人这种存在耦合的非线性系统为例，设计一种自适应滑模控制器，利用本文提出的解法得出了控制量与输出量的解析解，并仿真验证了方法的正确性.
错误定位是软件调试中耗时费力的活动之一.针对偶然正确性影响错误定位效率的问题，提出面向错误定位的偶然正确性识别方法.该方法首先识别偶然正确性元素；然后，挑选“偶然正确性特征元素”，使用该特征元素约简程序执行轨迹；在此基础上，建立基于模糊c均值聚类的偶然正确性识别模型，将其结果应用于错误定位.为验证该方法的有效性，基于3组测试程序开展偶然正确性识别，并将其结果应用于Tarantula等4种错误定位方法.实验结果表明，与基于k-means聚类的偶然正确性识别方法相比，该方法在偶然正确性识别方面具有较低的误报率和漏报率，并且更能提高错误定位的效率.
在光学方法测量颗粒浓度时，测量的精度受颗粒粒径和颗粒颜色等因素的影响.为解决这一问题，现将颗粒的浓度、粒径和颜色三个相关联的量统一在一起进行研究，建立包含这三个属性的浑匀液体库莫洛消光散射方程.根据库莫洛前向散射消光方程可以求出受粒径影响的颗粒浓度；给出散射消光系数、吸收消光系数及有效光密度的表达式；解决Beer消光定律在实际应用中受粒径变化、颗粒浓度超限的影响.最后，用较完整的实验证明库莫洛消光散射理论是正确的.
提出基于短语参数学习的主题模型TMPP（Topic Model based on Phrase Parameter）对在线评论中被评价实体的aspect和与之对应的rating进行抽取.TMPP具有三个特点：1）评论用“短语袋”表示；2）将标准的LDA中表示文档-主题的参数扩展为（aspect，rating）集；3）融合了先验知识.介绍了TMPP模型参数的物理含义、模型的生成过程以及先验知识的获取和表示方法；阐述了在TMPP模型中引入方面集聚类使用先验知识的原因与好处、TMPP模型提取（方面，等级）对形成（aspect，rating）摘要的原理.以真实的在线产品评论数据集为实验对象，在实验过程中引入先验知识的方面识别分析和等级预测精度分析，列出了五类产品相关方面和对立的情感词的实验结果.通过与已有的基线方法比较，实验表明若评论集中每篇评论有一个总体等级，TMPP能产生高质量的（aspect，rating）摘要.
由单目图像序列光流重建物体或场景的三维运动与结构是计算机视觉、图像处理与模式识别等领域的重要研究内容，在机器人视觉、无人机导航、车辆辅助驾驶以及医学影像分析等方面具有重要的应用.本文首先从精度与鲁棒性等方面对单目图像序列光流计算及三维重建技术近年来取得的进展进行综述与分析.然后采用Middlebury测试图像序列对HS、LDOF、CLG-TV、SOF、AOFSCNN和Classic+NL等典型光流算法以及Adiv、RMROF、Sekkati和DMDPOF等基于光流的间接与直接重建方法进行实验对比分析，指出各对比方法的优点与不足，归纳各类方法的性能特点与适用范围.最后对利用分数阶微分模型、非局部约束、立体视觉以及深度线索解决亮度突变、非刚性运动、运动遮挡与模糊情况下光流计算及重建模型的局限性与鲁棒性问题进行总结与展望.
三维片上网络通过硅通孔（Through Silicon Via，TSV）将多层芯片进行堆叠，具有集成密度大，通信效率高等特点，是片上多核系统的主流通信架构.然而，工艺偏差及物理缺陷所引发的错误和TSV良率较低等因素，使得三维片上网络面临严重的故障问题.为保证通信效率，对三维片上网络关键通信部件进行容错设计必不可少.本文针对三维片上网络关键通信部件——路由器和TSV的故障和容错相关问题，从容错必要性、国内外研究现状、未来的研究方向和关键问题、以及拟提出的相关解决方案四个方面，展开深入探讨.为提高片上网络可靠性、保证系统高效通信提供一体化的解决方案.
相比于传统的基于半监督学习的指代消解方法，Laplacian SVM（Support Vector Machine）能有效的挖掘已标注样本和未标注样本的相似性和关联性，更好的推导模型的分类边界.而传统Laplacian SVM采用欧式距离度量样本之间的距离，使得异类样本之间的相似性可能过大，不利于样本的准确分类.对此，提出一种基于数据驱动学习最优测度Laplacian SVM算法以解决中文指代消解语料不足的问题.该方法通过优化样本对之间的相似性约束条件和引入Fisher判别项，增大同类样本间的相似性，并突出强判别能力的特征.此外，提出核嵌入的测度优化方法将以上线性测度优化推广到非线性空间，有利于Laplacian SVM利用核函数实现非线性分类.在ACE2005中文语料库上的测评结果表明，所提出测度优化的Laplacian SVM（包括线性和核嵌入两种形式）的方法只需少量标注样本就可以获得与经典的有监督学习模型相当甚至更好的消解性能，同时也优于其他传统的半监督学习方法.
