知识图谱对实现物联网威胁情报（ITI）的共享与利用具有重要意义，图神经网络（GNN）可以应用于ITI知识图谱（ITIKG）的知识表示任务，进而挖掘ITIKG的潜在关系；然而，当前大多数GNN没有考虑节点类型对节点表示能力的影响，且在节点信息聚合过程中使用随机策略进行节点采样，导致这些GNN不能区分不同距离的邻居，且没有考虑节点之间的关联性或重要性。为了解决这些问题，首先，基于不同数据源构建ITIKG；然后，设计确定性采样方法，从而基于节点的重要性采样根节点的邻居，并且考虑邻居距根节点的距离以及邻居在图中的中心性度量，即Katz中心性和中介中心性；最后，设计节点、节点模态和节点类型的嵌入和聚合方法。在此基础上，提出基于确定性采样的多模态异构图神经网络（DM-HGNN）模型。在所构建的ITIKG上的链接预测实验的结果表明，DM-HGNN模型的性能优于metapath2vec、多模态知识图谱表示学习模型（MMKRL）以及复杂图卷积网络（ComplexGCN）等知识表示模型，相较于次优模型MMKRL，DM-HGNN模型在曲线下面积（AUC）上提高了6.8%，在F1值上提高了7.1%，展示了DM-HGNN模型在链接预测任务上有效性和先进性。

识别复杂网络中的关键节点对优化网络结构以及信息的有效传播起着至关重要的作用。局部结构熵（LE）利用局部网络对整个网络的影响代替节点对整个网络的影响以识别重要节点，然而LE未考虑高聚集性网络和节点与邻居节点形成环的情况，存在一定的局限性。针对以上不足，首先，提出了改进LE的节点重要性评价方法PLE（Penalized Local structural Entropy），即在LE的基础上引入集聚系数（CC）作为惩罚项，从而适当惩罚网络中的高聚集性节点；其次，由于PLE的惩罚项对三元闭包结构上的节点惩罚力度过大，又提出了PLE的改进方法PLEA（Penalized Local structural Entropy Advancement），即在惩罚项前引入一个控制系数，以控制惩罚力度。对5个不同规模的真实网络进行选择性攻击实验，实验结果表明，在美国西部各州电网和美国航空网两个网络中，与LE方法相比，PLEA的识别准确率分别提升了26.3%和3.2%；与K-Shell（KS）方法相比，PLEA的识别准确率分别提升了380%和5.43%；与DCL（Degree and Clustering coefficient and Location）方法相比，PLEA的识别准确率分别提升了14.4%和24%。同时，PLEA识别的重要节点对网络造成的破坏更大，验证了引入CC作为惩罚项的合理性，以及PLEA的有效性和优越性。PLEA综合考虑了节点的邻居个数和节点的局部网络结构，计算简单，对于刻画大规模网络的可靠性与抗毁性具有十分重要的意义。

基于张量的多聚类算法（TMC）在衡量属性重要性时忽略了对象张量内部属性组合的关联性，而且在不同的特征空间选择下，固定权重策略导致所选与未选择特征空间没有完全分离。针对上述问题，提出一种基于动态加权张量距离（DWTD）的多聚类算法（DWTD-MC）。首先，为提升各特征空间属性重要性衡量的准确性，建立了自-关联张量模型；其次，构建多视图权重张量模型，在不同特征空间选择下通过动态加权策略满足多聚类分析的需求；最后，使用DWTD衡量数据点的相似性，生成最终的多聚类结果。在真实数据集上的仿真实验结果表明，DWTD-MC在杰卡德指数（JI）、邓恩指数（DI）、DB指数（DB）和轮廓系数（SC）评价指标上均优于TMC等对比算法，而且可以在获得较高质量的聚类结果的同时，使各聚类结果之间保持较低的冗余度，满足多聚类分析的任务需求。

针对区块链应用于建筑物联网场景时存在的吞吐量严重不足和响应时延高的问题，提出一种基于哈希图的建筑物联网数据管理方法。该方法使用有向无环图（DAG）存储数据，从而利用图式结构的高并发特性提高区块链的吞吐量性能；引入哈希图算法对存储在DAG内的数据达成共识，从而减少共识所需时间；设计智能合约实现访问权限控制，以防止未授权用户对数据的操作。使用区块链性能测试工具Caliper进行的性能测试的结果表明：在由32个节点构成的中等规模仿真环境下，与现有边缘计算方法和跨链方法相比，所提方法的吞吐量为每秒处理1 063.1笔交易，分别为对比方法吞吐量的6倍和3倍；该方法的数据存储时延和控制时延分别为4.57 s和4.92 s，响应速度优于对比方法；该方法在尖峰冲击测试中的交易成功率为87.4%；同时基于该方法的原型系统在稳定性测试中可以平稳运行120 h。可见，所提方法可以有效提高区块链的交易吞吐量和响应速度，满足建筑物联网场景的实际使用需求。

微服务调用链路数据是微服务应用系统日常运行中产生的一类重要数据，它以链路形式记录了微服务应用中一次用户请求对应的一系列服务调用信息。由于系统的分布性，微服务调用链路数据产生在不同的微服务部署节点，当前对这些分布数据的采集一般采用全量采集和采样采集两种方法。全量采集会产生较大数据传输和数据存储等成本，而采样采集则可能会漏掉关键的链路数据。因此，提出一种基于事件驱动和流水线采样的微服务调用链路数据动态采集方法，并基于开源软件Zipkin设计实现了一个微服务调用链路数据动态采集系统。该系统首先对不同节点符合预定义事件特征的链路数据进行流水线采样，即数据采集服务端只在某节点产生事件定义的数据时对所有节点采集同一链路数据；同时，针对不同节点的数据产生速率不一致问题，采用基于时间窗口的多线程流式数据处理和数据同步技术实现不同节点的数据采集和传递；最后，针对各节点链路数据到达服务端先后顺序不一的问题，通过时序对齐方式进行全链路数据的同步和汇总。在公开的微服务调用链路数据集上的实验结果表明，相较于全量采集和采样采集方法，所提方法对于包含异常、慢响应等特定事件的链路数据具有采集准确性高、效率好的效果。

区块链固有的链式结构意味着其数据量无休止地线性增长，随着时间的积累，对单个节点的存储造成很大的压力，对整个系统的存储空间造成极大的浪费。在比特币白皮书中提出的SPV（Simplified Payment Verification）节点模型，大大减少节点对存储空间的需求，但是，它使得全节点的个数减少、压力增大，减弱了整个系统的去中心化程度，存在拒绝服务攻击、女巫攻击等安全隐患。通过对比特币区块数据进行分析，提出一种功能完整的增强型轻量级节点模型ESPV（Enhanced SPV）。ESPV把区块分为新区块和旧区块，对它们采用不同的存储管理策略。新区块以全部副本（每个节点保存一份）的方式保存以用于交易验证，用较少的存储空间代价让ESPV具有交易验证（挖矿）功能；旧区块分片存储在网络的节点中，通过分级区块分区路由表访问，在保证数据可用性和可靠性的前提下减少系统对存储空间的浪费。ESPV节点具有完整的节点功能，从而保证区块链系统的去中心化特性，增强其安全性和稳定性。实验结果表明，ESPV节点具有80%以上的交易验证率，在数据量和增长量上这些节点仅为全节点的10%，ESPV的数据可用性和可靠性有保障，适用于系统的整个生命周期。

针对鲁棒主成分分析（RPCA）问题，为了降低RPCA算法的时间复杂度，提出了牛顿-软阈值迭代（NSTI）算法。首先，使用低秩矩阵的Frobenius范数与稀疏矩阵的 l ₁-范数的和来构造NSTI算法的模型；其次，同时使用两种不同的优化方式求解模型的不同部分，即用牛顿法快速计算出低秩矩阵，用软阈值迭代算法快速计算出稀疏矩阵，交替使用这两种方法计算出原数据的低秩矩阵和稀疏矩阵的分解；最后，得到原始数据的低秩特征。在数据规模为5 000×5 000，低秩矩阵的秩为20的情况下，NSTI算法和梯度下降（GD）算法、低秩矩阵拟合（LMaFit）算法相比，时间效率分别提高了24.6%、45.5%。对180帧的视频前景背景进行分离，NSTI耗时3.63 s，时间效率比GD算法、LMaFit算法分别高78.7%、82.1%。图像降噪实验中，NSTI算法耗时0.244 s，所得到的降噪后的图像与原始图像的残差为0.381 3，与GD算法、LMaFit算法相比，时间效率和精确度分别提高了64.3%和45.3%。实验结果证明，NSTI算法能够有效解决RPCA问题并提升RPCA算法的时间效率。

为了更好地控制病毒在移动无线传感器网络中的传播，根据传染病学理论建立了改进的病毒传播的动力学模型。该模型不仅在网络中加入死亡节点，还增加了病毒节点在传播过程中的通信半径以及移动和停留两种状态。之后针对该模型建立微分方程组，并进行平衡点存在性和稳定性分析，得出病毒传播的控制和消亡条件，进而分析了节点通信半径、移动速度、密度、易感节点免疫率、感染节点病毒查杀率和节点死亡率等对移动无线传感器网络中病毒传播的影响。最后通过仿真实验表明，调整该模型中的参数可以有效地遏制病毒在移动无线传感器网络中的传播。

云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而，如何确保云数据完整性成为亟待解决的安全问题。当前最成熟、高效的云数据完整性审计方案是基于半可信第三方来提供公共审计服务，但基于半可信第三方审计方案存在单点失效、算力瓶颈和错误数据定位效率低等问题。为了解决上述问题，提出了基于区块链的云数据动态审计模型。首先，采用分布式网络、共识算法建立一个由众多审计实体组成的区块链审计网络，并以此来解决单点失效和算力瓶颈问题；然后，在保证区块链数据可信度的前提下，引入变色龙哈希算法和嵌套MHT结构，以实现云数据标签在区块链上的动态操作；最后，借助嵌套MHT结构以及辅助路径信息，提高了在审计发生错误时对错误数据的定位效率。实验结果表明，与基于半可信第三方云数据动态审计方案相比，所提模型显著提高了审计效率，降低了数据动态操作时间开销，并提升了错误数据定位效率。

针对目前应用于医学影像目标检测的深度学习网络模型仅拥有固定的感受野，无法针对形态尺度差异明显的颈部淋巴结进行有效检测的问题，提出了一种新的基于自适应感受野机制的识别算法，将深度学习首次应用于完全三维医学图像的颈部淋巴结自动识别中。首先，采用半随机采样方法对医学序列图像进行裁剪，生成基于网格的局部图像块及对应真值标签；然后，通过局部图像块及标签构建并训练基于自适应感受野机制的DeepNode网络；最后，利用预训练的DeepNode网络模型进行预测，通过输入整体序列图像，可以端到端且快速地获得整体序列对应的颈部淋巴结识别结果。在颈部淋巴结数据集中，采用DeepNode网络识别颈部淋巴结的召回率可达98.13%，精确率可达97.38%，每次扫描的假阳性数量仅为29，同时耗时相对较短。实验结果分析表明，与当前表现优良的二维与三维卷积神经网络相结合的算法、三维通用目标检测算法、基于弱监督定位的识别算法等相比，所提算法可以实现颈部淋巴结的自动识别，并取得最优的识别效果。该算法端到端，简单高效，易于扩展到其他医学图像的三维目标检测任务中，可应用于临床的诊断和治疗。

针对现有算法自动识别颈部淋巴结效率不高、存在大量假阳性且整体假阳性去除效果不理想的问题，提出一种基于级联全卷积神经网络（FCN）的颈部淋巴结识别算法。首先，结合医生的先验知识采用级联FCN进行初步识别，即第一个FCN从头颈部计算机断层扫描图像（CT）中提取淋巴结医学分区；然后，第二个FCN从分区内提取候选样本并在三维层面合并这些样本以生成三维图像块；最后，将提出的特征块平均池化引入到三维分类网络中，对输入的不同尺度三维图像块进行二分类以去除假阳性。在颈部淋巴结数据集中，采用级联FCN识别颈部淋巴结的召回率可达97.23%；引入特征块平均池化的三维分类网络的分类准确率可达到98.7%。在去除假阳性之后的准确率可达93.26%。实验结果分析表明，所提算法能有效实现颈部淋巴结的自动识别并取得较高的召回率和准确率，优于目前相关文献报道的算法；且算法简单高效，易于扩展到其他三维医学图像的目标检测任务中。

针对高维的数据中往往存在非线性、低秩形式和属性冗余等问题，提出一种基于核函数的属性自表达无监督属性选择算法——低秩约束的非线性属性选择算法（LRNFS）。首先，将每一维的属性映射到高维的核空间上，通过核空间上的线性属性选择去实现低维空间上的非线性属性选择；然后，对自表达形式引入偏差项并对系数矩阵进行低秩与稀疏处理；最后，引入核矩阵的系数向量的稀疏正则化因子来实现属性选择。所提算法中用核矩阵来体现其非线性关系，低秩考虑数据的全局信息进行子空间学习，自表达形式确定属性的重要程度。实验结果表明，相比于基于重新调整的线性平方回归（RLSR）半监督特征选择算法，所提算法进行属性选择之后作分类的准确率提升了2.34%。所提算法解决了数据在低维特征空间上线性不可分的问题，提升了属性选择的准确率。

针对传统的支持向量机（SVM）模型对连续超声图像集进行分割时需要为图像集中每张图片提取样本点来建立分割模型的问题，提出了一个对整个连续超声图像集的统一的SVM分割模型。首先，从图像的灰度直方图中提取灰度特征作为表征图像集中图像连续性的特征；其次，从图像集中选取部分图像作为样本，并从中提取像素点的灰度特征；最后，将各像素点的灰度特征与各像素点所在图像中表征图像集连续性的特征相结合，用SVM的方法训练出分割模型对整个图像集进行分割。实验结果表明，与传统SVM分割方法相比，新模型在面对大量的有连续变化的图像集的分割问题上，大幅地减少了人工选取样本点的工作量，并且在分割的准确率上也有保证。

为了降低高效视频编码(HEVC)标准的编码复杂度,提出一种基于纹理特性与空域相关性的帧内分级快速算法。首先,采用最大编码单元(LCU)级的快速算法,通过利用相邻LCU的编码深度值加权预测得到当前LCU的预测深度,并利用块标准差和自适应阈值策略确定当前LCU的纹理复杂度,将当前LCU的预测深度和纹理复杂度相结合来预测当前LCU的最有可能深度范围(MPDR);其次,采用编码单元(CU)级的深度判决快速算法(CUDD-FA),将基于边缘图的CU深度预判策略和基于率失真(RD)代价相关性的CU提前中止策略相结合,实现了CU级深度的提前确定,进一步降低了帧内编码复杂度。与原始HEVC算法相比,所提算法在全I帧编码模式下编码时间平均减少41.81%,BD-rate(Bjøntegaard Delta bit rate)仅上升0.74%,BDPSNR(Bjøntegaard Delta Peak Signal-to-Noise Rate)仅降低0.038 dB;与代表性文献算法相比,所提算法在编码时间节省更多的情况下率失真性能更好。实验结果表明,在率失真性能损失可以忽略不计的前提下,所提算法能有效降低HEVC帧内编码复杂度,特别是高分辨率视频序列,有利于HEVC的实时视频应用。

针对多幅无人机遥感图像连续拼接时,累积误差逐渐增大导致拼接的图像严重扭曲变形的问题,提出了一种基于前方交会的投影误差修正算法。该算法根据前方交会原理,解算出同名点对所对应3D点的空间坐标;然后,将所有3D点正射投影到同一物平面上,并将正射点重投影到像平面上,获取校正后的同名点对;最后,利用M估计抽样一致性(MSAC)算法估计单应性矩阵,并进行图像拼接演示。仿真实验结果表明,所提算法能有效地消除投影误差,进而达到抑制无人机遥感图像拼接误差的目的。

阴影区像素光谱响应的不一致性使得依据阈值获取的阴影检测结果与真实情况出入较大。针对这一问题,结合不透明度和亮度两种信息设计了一个全新的阴影概率模型。在此基础上,针对邻域像素信息未能充分利用的问题,提出了一个基于多尺度马尔可夫随机场(MRF)的遥感影像检测方法。首先,用所提出的模型描述多尺度影像中像素的阴影概率;然后,使用Potts模型建模多尺度标记场,同时兼顾尺度内和尺度间的邻域像素的交互关系;最后,基于最大后验(MAP)概率准则获取最终阴影检测结果。通过与色调亮度比值方法、差分双阈值方法、主成分分析法和支持向量机分类方法的对比实验证明,所提出的方法能够提高高分辨率城区遥感影像的阴影检测精度。

在基于火焰图像识别的转炉吹炼状态识别过程中,针对已有方法存在火焰彩色纹理信息利用不充分和状态识别率仍需提高的问题,提出一种基于火焰彩色纹理复杂度特征的转炉吹炼状态识别方法.首先,将火焰图像转化到HSI颜色空间下并作非均匀量化;然后,计算H分量和S分量的共生矩阵从而融入火焰图像的颜色信息;其次,利用得到的颜色共生矩阵计算火焰纹理复杂度的特征描述子;最后,应用Canberra距离作为相似度度量准则对吹炼状态进行分类和识别.实验结果表明,与已有的转炉火焰灰度共生矩阵和灰度差分统计方法相比,在满足吹炼识别实时性要求的前提下,所提方法的识别率分别提高了28.33%和3.33%.

提出了一种可以检测并直观表示人体经络分布的实时定位和显示方法。首先，利用多通道经络阻抗检测仪和磁定位跟踪仪确定人体体表经络点的位置，获取经络点的三维信息；其次，对场景摄像机进行标定，并将其结果和经络点的三维信息通过图形变换技术变换到统一的世界坐标系下，获取摄像机的投影矩阵H；最后，根据该投影矩阵H，将经络点三维信息投影到二维图像上，形成二维经络线，并将其融合于场景摄像机拍摄的人体体表实时图像上，实现人体经络的可视化。测试结果表明，该方法能够准确有效地定位和显示人体经络。

无线传感器网络使用ZigBee技术默认的分布式地址分配机制(DAAM)为节点分配地址时没有考虑到网络拓扑结构的优化，造成了网络深度的浪费。为此，提出一种ZigBee网络分布式借地址分配(DBAA)算法，通过为节点分配两跳通信范围内的空闲地址优化网络拓扑，从而提高节点获得地址的成功率。理论分析和仿真结果表明：DBAA算法在地址分配成功率、平均通信开销和平均耗时方面性能优于DAAM和SLAR方案。

在无线网络环境中，TCP Vegas应用时会受到无线信道干扰和噪声的影响，对往返延时（RTT）难以进行准确的估计，导致其性能大幅度降低。结合TCP New Vegas和TCP Vegas A+等的优点提出一种改进算法TCP Vegas-P。该算法针对慢启动过早结束和拥塞避免阶段拥塞出现在反向链路上导致吞吐量下降的问题，以及在与NewReno共存时公平性恶化的问题进行了综合的改进。经仿真实验，改进的算法在无线网络中能够进行比较好的RTT估计，对解决上述Vegas存在的问题达到了良好的效果。

为了将分布在Internet上异构的Web服务组装成新的服务提供给用户，提出一种面向用户的Web服务组装方法，将组装过程分为需求拆分、服务选择、执行服务组装和服务结果合并四个阶段，并提出了基于组装模式的用户需求输入及拆分方法、基于QoS的服务选择模型和基于中间模式的异构消息转换模型。最后通过物流领域服务组装平台的设计与实现，验证了上述方法的可行性与有效性。

目前，织物模拟方法普遍存在实时性不高、真实感不强等问题。针对存在的超弹性现象，提出了改进的质点—弹簧模型。与传统的质点—弹簧模型相比，改进的模型增加了两个约束条件：轻杆和轻绳。实验表明该方法不仅有效地解决了现存的超弹性现象，而且模拟了织物撕裂现象，模拟效果更加真实。

将OT协议应用于电子选举中，提出一个新的电子选举方案。该方案能较好地解决电子选举对多选性的要求，同时满足安全电子选举方案的基本特性，且效率较高，可适用于较大规模的选举，进一步改进和完善了现有的电子选举方案。

提出了一种新的基于纹理结构分析的织物疵点检测方法，首先根据规则纹理的特点，利用自相关函数计算纹理基元模板，并通过计算每个纹理基元与基元模板的差来进行疵点区域的增强。然后通过计算纹理图像的局部不平整度来定位疵点，并采用Otsu方法自动获取阈值进行图像分割，从而实现织物疵点的检测。最后通过对不同织物疵点图像检测分割实验证明了算法的有效性和鲁棒性。

为了有效利用网络资源，增加网络容量和生存时间，设计一种基于剩余能量及其消耗速率的Ad Hoc网路由协议(REECV)。该协议一方面以避免网络分割为目标，保护网络中能量较低的节点；另一方面考虑链路带宽状况，均衡能量较多节点的流量。仿真表明，该协议在网络生存时间、包传输率和端到端的延时等方面都有一定程度的改善。

鉴于生物体的运作机制已被广泛地用于提高分布式系统的性能，将概念之间的语意相似度引入到基于蚁群搜索算法的对等网络协议，并对资源检索、信息素更新以及节点异动处理等机制进行了研究。在模拟实验中，将上述协议与K路随机游走协议进行了性能比较，结果表明基于蚁群搜索算法的语意对等网络协议不仅能够提高查询效率而且能减轻网络的负载。

基于对象关系数据库设计了一个移动对象的数据模型，查询语言和相应的数据库管理系统。此系统结合GIS数据库系统能够表述移动物体和支持对运动物体的查询，从而实现基于位置的服务。本系统支持不确定性和复杂可扩展的空间结构，最后描述了这个系统的执行与实现。

在二色大气散射模型的基础上，根据雾对景物退化与景物深度的指数关系，采用交互方式，通过附加一些主观判断作为先验信息，从单幅图像中估计出景物深度，进行对比度增强，有效实现了彩色图像去雾。同时针对浓雾退化图像处理结果较暗的情况，进行了正态截取拉伸，提高了图像亮度，获得了较好的视觉效果。

针对制造执行系统应用开发的复杂性,提出了一个制造执行系统的柔性应用框架。在多层服务体系结构的基础上,该应用框架通过运用面向过程的对象分析技术、基于规则的事件服务机制和业务工程分析技术,提供可重构的组织结构、可伸缩的业务流程和可定制的业务规则,使得系统开发和实施的柔性得以提高。同时,运用该柔性框架,对一个实例进行分析和实现。