针对脊柱解剖结构较为复杂的问题，提出一种用于脊柱磁共振成像影像检测的YOLOv4-disc算法。首先，针对真实病例样本数量较少的问题，使用限制对比度的自适应直方图均衡（CLAHE）数据增强方法提高模型的泛化能力。然后，使用K-means算法对数据集中真实框的尺寸进行聚类，得到合适的锚框尺寸并确定锚框数量。其次，在CSPDarknet-53骨干特征提取网络中使用深度可分离卷积替代普通卷积，减少网络参数并降低运算量。最后，基于Focal损失改进原生网络的损失函数，解决one-stage目标检测中正负样本比例严重失衡的问题。实验结果表明，所提YOLOv4-disc算法的平均精度均值（mAP）达到了90.80%，相比原生YOLOv4提高了3.51个百分点。

新一代的无线通信实现了万物互联和多样化的业务需求，网络切片可以将网络在逻辑上进行隔离，每个网络服务于一类相似的业务，不同切片之间的业务差异性大，所需资源也不同。为了解决切片间的资源分配问题，为业务提供更好的服务，文章提出了基于服务质量的比例公平资源分配方案，权衡了各个切片之间的公平性和用户需求。将仿真结果与比例公平和最大载干比算法进行了对比，结果表明，新算法能在保证公平性的同时获得较高的用户频谱效率。

针对高光谱图像分类，提出了一种利用组合核函数融合目标光谱域和空域信息的支持向量机学习算法。该算法首先用主成分分析方法对高光谱图像进行特征提取和降维，用虚拟维数估计策略预估原始图像的本征维数，并且在预估的基础上确定要保留的主成份分量数目；然后用数学形态学操作在选取的主分量图像上提取目标的形态信息，得到扩展的空域形态矢量。最后，通过不同的组合策略，构造组合核函数，从而在分类器中引入空域信息，和原有的谱域信息一起，利用支持向量机进行分类。高光谱数据实验表明，在训练时间没有显著差别的情况下，总体分类精度和Kappa系数均提高了2%左右。实验表明，本文提出的方法较单独使用谱域或空域信息进行分类具有一定的优越性。