光伏阵列是光伏发电系统的重要组成部分，研究其准确模型并对最大功率点进行跟踪与预测，对光伏发电效率的提高具有重大意义。针对光伏阵列中二极管品质因数以及串联电阻阻值等参数难以直接准确测量的问题，采用光伏阵列在多种工作状况下的实际测量信息对其数学模型进行参数辨识，使辨识后的模型与实际对象相一致。为了对最大功率点进行实时地预测，构造了一种 BP 神经网络模型。采用辨识后的准确模型产生测试数据，提取光照强度、光伏电池板温度以及最大功率点对应的输出电压等信息，用于 BP 神经网络的训练。最后将训练好的 BP 神经网络模型用于光伏发电系统的最大功率点跟踪(MPPT)。结果表明，该方法极大地提高了 MPPT 的实时性和高效性。
针对数据噪声与手势书写不规范性易导致手势识别错误的问题，提出了基于特征动作序列的动态手势识别方法。首先，通过预处理将原始数据转换为两种变换特征作为特征动作识别的依据。其次，对变换特征使用多中心模糊 C 均值聚类(MCFCM)算法，自适应、无监督地提取特征动作，并将特征动作及对应聚类中心与手势特征动作序列的编码信息保存到知识库。最后，采用改进编辑距离(proED)计算待测特征动作序列与知识库中手势编码信息的相似度，通过相似度匹配实现手势在线识别。将所提方法应用于数字手势识别，识别精度达到 98%，实验结果验证了所提方法的有效性。
针对基于伪 ID 的射频识别技术(RFID)认证协议存在安全漏洞问题，提出一种改进的基于伪 ID 的射频识别认证协议。为能够抵抗攻击者发起的穷举攻击，改进协议将所有传送的信息加密之后采用密文传送的方式，在信息加密的过程中，攻击者未知的变量至少达到两个以上，因此保证了协议中隐私的安全性。改进协议将哈希函数应用在信息加密上，由于哈希函数的显著特征是具备单向性，就会使协议的后向安全性得到明显提高。最后对协议进行了安全性和性能性分析，足以表明协议不仅具有较低的计算量，同时也满足了协议所需的安全性需求。
