FISH系统是一个用于支持先进应用（如GIS，EC，CIMS）的新一代分布式对象数据库系统。该系统采用了许多新颖技术，如DSVM（distributed shared virtual memory）、持久堆、页式对象、透明锁、紧凑提交等. 重点介绍了该系统的总体结构和设计思想，特别是FISH系统在WindowsNT上实现所涉及的底层技术，包括内存映射、共享内存、远程过程调用、多线索连接、页面故障处理等。基于007的性能测试表明，FISH系统在NT机群环境下取得了与在分布式UNIX环境下同样高的分布执行效率。

介绍了工作流技术研究与开发的发展状况，讨论了CIMS先进制造中涉及的工作流关键技术。在此基础上，提出基于CORBA技术、支持CIMS应用的工作流管理系统ScopeWork的设计。

路径表达式作为XML数据查询语言的核心部分，关于它的计算方法的研究成果已有很多，然而针对路径表达式本身进行优化的研究却相对较少。提出了两种针对路径表达式的优化策略：路径缩短策略和补路径策略，从而提高了XML路径查询效率。路径缩短策略根据XML文档模式信息,将路径表达式查询长度缩短，从而简化查询本身以降低需要的查询代价；而补路径策略则试图使用代价更小的等价路径表达式来替换原始查询。经过对实验数据的分析，这两种优化策略对于绝大多数路径表达式查询可以应用，并可大幅度地改进路径表达式的查询性能。

To support very high dimensionality, model-based clustering is an intuitive choice for document clustering. However, the current model-based algorithms are prone to generating the skewed clusters, which influence the quality of clustering seriously. In this paper, the reasons of skew are examined and determined as the inappropriate initial model, the unfitness of cluster model and the interaction between the decentralization of estimation samples and the over-generalized cluster model. This paper proposes a skew prevention document-clustering algorithm (MMPClust), which has two features: (1) a content-based cluster model is used to model the cluster better; (2) at the re-estimation step, a part of documents most relevant to its corresponding class are selected automatically for each cluster as the estimation samples to break this interaction. MMPClust has less restrictions and more applicability in document clustering than the previous methods.

在研究混沌神经元延时特性的基础上，构建了MLP/CNN 混合前馈型神经网络。提出基于混沌神经元的滥用入侵检测模型,它既具备MLP的分类功能，又具有混沌神经元的延时、收集和思维判断功能,具有灵活的延时分类特性,因而能够有效地识别分布式入侵。使用从网络数据流中获取的样本，以FTP口令穷举法入侵为例，对该模型行仿真和整体测试，结果表明可以依据实际情况设置入侵判据，本文对FTP入侵检测的精确率在98%以上，误报和漏报率均小于2%。该模型可以推广到检测分布式DOS等具有延时特性的攻击行为和具有延时分类要求的其它系统中。