Bilgisayar Grafikleri:
Yüzey yansımasının modellenmesinde yeni bir yaklaşım ileri sürülmüştür. Çift-Yönlü Yansıma  Dağılım Fonksiyonları (BRDF), çok-değişkenli olasılık dağılımları cinsinden ifade edilmiştir. BRDF’e yaklaşım yapmak amacıyla Archimedean copula  adı verilen bir dağılım ailesi üzerinde durulmuştur. Archimedean copulaların en önemli özelliği çok-değişkenli dağılımların bunların tek-değişkenli marjinal dağılımlarıyla karakterize edilmesinen kaynaklanmaktadır. Ayrıca, söz konusu modeller, yansımanın karşıtlık ve enerjinin korunması prensiplerini de sağlamaktadır.
Ölçülmüş BRDF verilerinin temsil edilmesinde faktorizasyon teknikleri de kullanılmıştır. Çalışmalarımız,  faktorizasyon tekniklerinin, Çift-Yönlü Yüzey Saçılarak Yansıma  Dağılım Fonksiyonlarının genelleştirilerk (BSSRDF) temsil edilmesi konusunda devam etmektedir.

Yapay sinir ağları:
Eğitmensiz (unsupervised) yapay sinir aği öğrenme yöntemi olan kendini örgütleyen eşlem (the self-organizing map, SOM) kümeleme ve veri madenciliğinde oldukca etkilidir. SOMler, geleneksel yöntemlerin yetersiz kalabildiği, yüksek boyuta ve karmaşıkliğa sahip veri uygulamalarında, başarıyla kullanılmaktadır. Yalnız, SOM’den bilgi edinimi ve kümelerin bulunması için, görselleme ve (etkileşimli) kümeleme yöntemleri gibi, ek aşamalar gerekmektedir. Bu amaçla, hem küme sınırlarının ayrıntılı olarak belirlenmesi hem de topoloji bozulmalarının tespiti için yeni bir SOM görselleme yöntemi (CONNvis) geliştirdik. CONNvis görseli, veri topolojisini gösteren ağırlıklandırılmış Delaunay üçgenlemesine (CONN) dayanmaktadir. SOM görsellerinden (özellikle CONNvis’ten) etkileşimli bilgi edinimi başarili olsa da görselin analizi zaman alan bir sureçtir ve de deneyimsiz kullanıcılar icin zordur. Bu yuzden su anki calismamiz veri topolojisine (CONN’a) dayanan otomatik kümeleme yöntemleri geliştirmek üzerine odaklanmıştır. Ayrıca veri topolojisi ve SOM yapısını birleştirerek, ek görselleme ve kümeleme işlemlerine gerek kalmadan, kümelerin görsel olarak ayrılmasını sağlayacak yöntemler üzerine de çalışmaktayız.

Görüntü işleme:
Uzaktan algi görüntülerinin artan izgesel ve uzamsal çözünürlüklerinden dolayı, bu görüntüler birçok değişik uygulamalarda (tarımsal kaynakların yönetimi, çevre kontrolü ve korunması, kentsel izleme ve denetleme, vb.) giderek yaygınlaşmaktadır. Bu görüntülerin sağladığı zengin içerikten ayrıntılı bilgi edinimi için, makine öğrenmesi ve istatistiksel yaklaşımlarla hem izgesel hem de uzamsal niteliklerden yararlanan otomatik kümeleme/sınıflandırma yöntemleri geliştirmek üzere çalışmaktayız. Ayrıca, farklı uygulamalarda, yüksek sınıflandırma başarısı için her niteliğin sağladığı fayda ayni oranda olmadığından, değişik uygulamalarda niteliklerin ilintisini (relevance) öğrenmek üzerine de çalışmaktayız.

Çokluortam ve Video:
Çok-bakışlı Video Kodlama (ÇVK) ve Ölçeklenebilir Video Kodlama (ÖVK) gelecek nesil video ve aktarım ortamları için yeni kodlama yöntemleridir. Biz Internet üzerinden uyarlamalı stereo veya çok-bakışlı 3B video kodlama ve aktarım üzerinde çalışıyoruz. H.264 AVC/MPEG-4 tabanlı yeni bir Ölçeklenebilir Çok-bakışlı Video Kodlama (ÖÇVK) yaklaşımı geliştirdik. ÖÇVK eşit olmayan kodlama ve etkin 3BTV taşıma için uygun ve verimlidir. Biz ayrıca, TÜBİTAK destekli ve “Stereo Videolar için Kalite Değerlendirme Sistemi” başlıklı proje kapsamında, 3B videoların öznel ve nesnel kalite ölçümü üzerinde de çalışıyoruz. Çalışmalarımızda insan görme sistemindeki psiko-görsel gereğinden fazlalık teoreminden yola çıkarak algısal 3B video kalitesinin değerlendirilmesiyle uğraşıyoruz.

Bilgisayar Güvenliği:
Güvenlik alanındaki çalşmalarımız; başlıca veri/bilgi güvenliği ve ağ güvenliği üzerine yoğunlaşmış durumdadır.
Veri/Bilgi güvenliği ya da Kriptografi çalışmaları; bir koldan kısıtlı ortamlar için Eliptik Eğri Hafifsiklet Asimetrik Kriptosistemler üzerine olurken, diğer yönden de Asal Çarpanlarına ayırma ve Kafes tabanlı asimetrik kriptosistemler üzerinde olmaktadır. Bunlarla birlikte, bir öğrenme ortamı olarak Kriptografik yazılım kütüphanesi tasarım ve geliştirme çalışmalarımız da sürekli olarak yapılmaktadır.
Ağ güvenliği araştırmalarımız ise kablolu ve kablosuz-mobil ortamları kapsarken, bu ortamlar için veri madenciliği ve yapay us teknikleri kullanılarak, Nüfuz Belirleme/Önleme Sistemleri ve Davranış Profil Analizleri yapılmaktadır.  Bu çalışmalarda son kullanıcı nitelikleri (biyometri, ziyaret edilen web siteleri, yapılan telefon aramaları, bağlanılan kablosuz ağlar gibi) saptanmakta ve bilgisayar ağları içinde ağ trafik analizi (P2P uygulamaları, paket düzeyli ölçümler, edinilmiş protokollar gibi) yapılmaktadır.

Mekansal Anlamsal Web:
Bu araştırma alanı kapsamında, anlamsal web’e dayalı olarak anlamsal coğrafi bilgi sistemleri tanımlanmaktadır. Aynı zamanda, ontoloji modelleme teknikleri ve anlamsal web teknolojisi açıklanmaktadır. Heterojen yapıdaki Coğrafi Bilgi Sistemleri (CBS) veritabanları arasında coğrafi verinin paylaşımı giderek önem kazanmaktadır. Sistemler arasında birlikte çalışılabilirlik sağlanarak, sistemlerin birbirleri arasında coğrafi bilgiyi anlamaları ve değiştirmeleri sağlanacaktır. Coğrafi verinin değişimi, temelde CBS’lerin ilk bütünleştirme adımı olarak kabul edilebilir. XML (Extending Markup Language), XML Şema, GML (Geographic Markup Language), RDF (Resource Description Framework) and RDF Şema, Ontoloji ve OWL (Web Ontology Language), bu alanın araştırma konuları içerisindedir.

Yapay Zeka ve Programlama Paradigmaları:
Kontrol Ağ Programlaması (CNP), diğer uluslararası ortaklar ile beraber Yaşar Üniversitesi’nde geliştirilen ve bu konuda bölüm içinde çalışma yapan bir öğretim üyesi tarafından teklif edilen  üst düzey bir programlamadır. Temel ve yaygın olarak kullanılan üç farklı programlama (Zorunlu-metodsal programlama (procedural), bildirimsel programlama (declarative) ve kural tabanlı problem çözme (rule-based)) yaklaşımlarını içermektedir. CNP bu üç gruba ilişkin özellikleri önemli derecede geliştirecektir. Yeni ve güçlü bir programlama modeli olarak kabul edilebilecek CNP’nin bazı önemli karakteristik özellikleri şunlardır:

•     Program Kontrol Ağı olarak ifade edilen bir grafik dizini ile gösterilebilir. Birçok problem doğal olarak bir grafik şeklinde temsil edilebilir ve bundan dolayı da CNP çözümüne yakınlık gösterir.
•     Program verilen bir noktadan mümkün olan çözüm seçeneklerine ait dalları takip edebileceği ve gerekirse geriye dönerek diğer alternatiflere bakabileceği  bir kontrol yapısıyla daha önceden belirli olmayan (nondeterministic) algoritmaları temsil edebilir.
•     Problemin çözülebilmesi için çok daha karmaşık bir algoritma belirtmeksizin, kolaylıkla temsil edilebilecek bildirimsel bir doğası da olabilir.
•     Hesaplama ve çıkarsama işlemleri üzerinde programcıya kontrolu veren,  güçlü fakat kullanımı kolay yollar  (sistem seçenekleri ve sistem durumları) vardır. Bundan dolayı  programcı farklı tercihleri kolaylıkla uygular ve çözümün etkinliğini geliştirebilir.

CNP herhangi bir problemin programlanması  için kullanılabilir ancak özellikle yukarıda belirtilen  problemleri çözmek için etkilidir. Örneğin, Yapay Zeka ile ilgili birçok problem bu kategoridedir. CNP, Borland Delphi veya Visual Studio gibi gelişmiş programlama ortamlarına entegre edilebilir veya  program bileşeni olarak kullanılabilir.