满足公众高质量出行需求是智能交通系统（ITS）的主要挑战之一。目前，针对公共交通出行需求预测问题，现有模型大多采用固定结构的图描述出行需求的空间相关性，忽略了出行需求在不同尺度下具有不同的空间依赖关系。针对上述问题，提出一种多尺度时空图卷积网络（MSTGCN）模型。该模型首先从全局尺度和局部尺度构建全局需求相似图和局部需求相似图，这2种图可以捕获公共交通出行需求长期内较为稳定的全局特征和短期内动态变化的局部特征。利用图卷积网络（GCN）提取2种图中的全局空间信息和局部空间信息，并引入注意力机制融合两种空间信息。为了拟合时间序列中潜藏的时间依赖关系，利用门控循环单元（GRU）捕捉公共交通需求的时变特征。采用纽约市出租车订单数据集和自行车订单数据集进行实验，结果表明MSTGCN模型在自行车订单数据集上均方根误差（RMSE）、平均绝对误差（MAE）和皮尔逊相关系数（PCC）达2.788 6、1.737 1、0.799 2，在出租车订单数据集上RMSE、MAE、PCC达9.573 4、5.861 2、0.963 1。可见，MSTGCN模型可以有效地挖掘公共交通出行需求的多尺度时空特性，对未来公共交通出行需求进行准确预测。

针对现有方法中篡改检测效率不高、定位不精确的问题,提出了一种基于几何均值分解(GMD)和结构相似度(SSIM)的同源视频复制-粘贴快速篡改检测及恢复的方法。首先,将视频转换为灰度图像序列。其次,将几何均值分解作为检测特征,提出了一个基于块的搜索策略来定位复制序列的起始帧。此外,算法首次将结构相似度用于度量视频两帧之间的相似度,并利用结构相似度对搜索策略得到的起始帧进行复检。由于复制视频序列对应两帧之间的相似度高于未篡改序列对应两帧之间的相似度,提出了一个基于结构相似度的从粗到精的方法来定位复制视频序列的末尾帧。最后,对视频进行恢复。与其他几种经典算法进行对比,实验结果表明,所提方法不仅能够检测经过复制-粘贴篡改操作的视频,而且能准确地定位复制-粘贴序列。此外,该方法在检测精度、召回率和检测时间上有较大提升。

针对微博消息往往会不同程度表现出性别倾向性的特点，从消息内容挖掘的角度出发提出了一种基于粗糙集的微博用户性别识别算法。设计了一种基于容差粗集的微博消息表示模型(TRSRM)，有效地刻画微博消息的性别特征。实验结果表明，在1000个真实微博用户的微博消息的测试集下，所提模型的准确率比特征项频数表示模型平均提高了7%，取得了更好的识别效果。