借助位于互联网的蛋白质结构预测服务，开发了一个蛋白质二级结构预测软件，它能全面快速地搜索到不同网站的各种预测结果，对其进行综合分析可获取更准确的预测。用户不必分别访问每个网络服务界面并填写数据，程序能自动提交预测请求，并收集、分析各个网站的预测结果，因而该软件能够大大提高结构预测效率和准确率。

在对箱体类零件的加工特征及特征参数进行仔细分析、归纳和总结，对特征实体造型进行深入研究的基础上，提出了一种基于特征实体模型的截面轮廓造型自动特征识别方法。这种方法能够从单个造型特征的自身局部的数据结构入手，根据造型软件的造型特点，将此造型特征在草图上的横截面外轮廓环识别出来，再根据制定的特征规则及其成型特点识别出具体的加工特征，有效地避免了特征重组和相交特征识别的难点，实现了对复杂箱体类零件的加工特征自动识别，从而实现了CAD/CAPP系统的信息自动传递。

To discover frequently occurring DNA patterns related to inherent diseases or gene regulation associated diseases, we must clarify which sequences interact with transcription factors in genome. A probabilistic neural network model was introduced to represent variable length DNA sequence patterns. This model, combined with an EM algorithm, was used to discover conserved sequence patterns from some DNA sequences, and was successfully tested on two datasets, one containing simulated sequences and the other containing upstream sequences of genes in E.coli. Both fixed length and variable length patterns were discovered from the two datasets. The sensitivity of this method was higher than two compared methods, and regulatory sequences of genes were discovered from real DNA sequences of gene clusters. This method could also be used for discovering patterns of protein sequences.

用小波的方法预测了一个已知结构蛋白质的二级结构，并把它同互连网蛋白质结构预测服务及其他结构预测软件得到的二级结构进行比较．结果表明：该方法可以较好地确定蛋白质的二级结构且不必进行同源蛋白质序列的联配．在预测未知结构的蛋白质序列方面，该方法与其他方法相比，预测结果并无显著差异，这说明小波分析法可以用于蛋白质结构研究，若与其他方法结合用于结构预测，将会起到更好的作用。

复杂零件特征实体上的相交特征自动识别问题，仍是CAD/CAPP领域未解决的难点。本文提出了基于特征实体模型上的截面轮廓造型自动特征识别方法，并制定了一系列各类特征的合理识别规则和识别算法。这种方法探索了一条实现自动特征识别的新途径，实现了对复杂箱体类零件的加工特征自动识别与信息自动提取，从而实现了CAD/CAPP系统的信息自动传递。