现有的复杂网络节点重要性评估研究主要集中在无向无权网络上,不能全面客观反映某些真实复杂网络的情况。针对无向加权和有向加权网络中评估指标适用范围有限、评估结果不够全面等问题,借鉴应用于无向无权网络的基于互信息的节点重要性评估方法,提出适用于无向加权网络和有向加权网络的互信息评估方法。该方法将网络中的每条边看作信息流,结合相应复杂网络的结构特点和"信息量"的定义方法,以求出的节点信息量作为节点的重要性评估指标。对实例网络进行分析可知,所提算法在保证评估准确性前提下,能更加细致刻画有向加权网络节点之间的差异性。在对ARPA网络的节点评估中,所提算法与以往指标所评估出的前5个最重要节点的节点编号尤其相近,凸显出该算法快速发掘核心节点的能力,为快速、准确评估无向加权和有向加权网络核心节点,提高网络抗毁性提供一定理论帮助。

针对双绞线绕距测量，提出了一种图像检测框架。此框架通过图像分割、修复、细化、拟合以及比例尺的设置，可实时计算出双绞线绕距值。在此框架下，针对传统二维最大类间方差法——Otsu运行时间较长的问题，提出了一种新的基于区域斜分的快速算法。快速算法通过对二维直方图区域重新划分，结合快速查找表以及递推算法，大大减少了分割时间。针对图像缺失的问题，采用了基于边缘检测的算法对其特定区域进行填充修复，并对修复后的图像进行细化。通过最小二乘法，拟合细化图像中的单像素点，得到拟合曲线。通过计算拟合曲线交点间的距离可得双绞线绕距的图像距离。最后将图像距离按比例尺转换为绕距的测量值。实验结果表明，基于区域斜分的快速算法其分割时间约为传统算法的0.22%，且两种算法的分割效果基本一致。将图像检测方法测得的绕距值与其真实值进行比较，结果表明测量值与真实值的绝对误差为0.48%。通过使用图像检测方法测量双绞线绕距，可以准确测得绕距值，提高绕距测量的效率。