电子病历信息抽取技术能够从自由文本电子病历中获取到有用的关键信息，从而为医院的信息管理和后续的信息分析处理工作提供帮助。简要介绍了现阶段自由文本电子病历信息抽取的主要流程，分析了近十几年来关于自由文本电子病历中命名实体、实体修饰与实体间关系三类关键信息的单独抽取以及联合抽取方法的研究成果，对这些成果所采用的主要方法、使用的数据集、最终的实验效果等进行了对比总结。除此之外，还对最新的几种流行方法的特点以及优缺点进行了分析，对目前电子病历信息抽取领域常用数据集进行了总结，分析了目前国内相关领域的现状和发展趋势。

时序数据库中日志结构合并树（LSM-tree）在高写入负载或资源受限情况下的不及时的文件合并会导致LSM的 C ₀层数据大量堆积，从而造成近期写入数据的即席查询延迟增加。针对上述问题，提出了一种在保持面向大块数据的高效查询的基础上实现对最新写入的时序数据的低延迟查询的两阶段LSM合并框架。首先将文件的合并过程分为少量乱序文件快速合并与大量小文件合并这两个阶段，然后在每个阶段内提供多种文件合并策略，最后根据系统的查询负载进行两阶段合并的资源分配。通过在时序数据库Apache IoTDB上分别实现传统的LSM合并策略以及两阶段LSM合并框架和测试，结果表明与传统的LSM相比，两阶段的文件合并模块在提升策略灵活性的情况下使即席查询读盘次数大大降低，并且使历史数据分析查询性能提升了约20%。实验结果表明，两阶段的LSM合并框架能够提高近期写入数据的即席查询效率，提高历史数据分析查询性能，而且提升合并策略的灵活性。

针对用户数据报协议(UDP)流检测研究不足，其准确率和效率不高等问题，提出一种基于多粒度的自适应UDP流检测方法。通过分析UDP流的特征，设计两种不同粒度的动态超时策略，对短流使用“细粒度”方法，对长流采用多粒度结合的方法。与其他超时策略比较，其准确率与固定超时相近，内存约占其他方法的75%。结果证实了方法适用于UDP流检测。