为提升时空众包动态现实场景中任务分配总效用，提出一种基于在线随机森林的动态阈值算法（DTRF）。首先，根据众包平台中工人和任务的历史匹配数据初始化在线随机森林；然后，通过在线随机森林预测每位工人期望的任务回报率作为阈值，按阈值为每个工人选取候选匹配集；最后，从候选匹配集中选取当前效用总和最高的匹配，同时用分配结果更新在线随机森林。实验结果表明，所提算法在提升总效用的同时有效地提高了工人的平均收益。与贪心算法相比，所提算法的任务分配率提升了4.1%，总效用提升了18.2%，工人平均收益提升了11.2%。与随机阈值算法相比，所提算法在任务分配率、总效用、工人平均收益等方面都有较好的提升，且稳定性更好。

针对时空众包任务分配研究中单一考虑任务分配总效用或任务等待时间，导致总体分配效果不佳的问题，提出一种基于分配时间因子的动态阈值算法。首先，基于预估等待分配时间和已等待分配时间计算任务的分配时间因子；其次，综合考虑任务的回报值和分配时间因子进行任务分配排序；然后，在初始值的基础上增加动态调整项为每一项任务设置阈值；最后，根据阈值条件为每一项任务设置候选匹配集，并从候选匹配集中选择匹配系数最大的候选匹配对加入结果集，完成任务分配。通过实验证明，该算法在任务分配率达到95.8%的情况下，与贪心算法相比，在分配总效用方面提升20.4%；与随机阈值算法相比，在分配总效用方面提升17.8%，在任务平均等待时间方面缩短13.2%；与基于两阶段框架模型的在线微任务分配改进（TGOA-Greedy）算法相比，在分配总效用方面提升13.9%。实验结果表明，该算法能够在提升任务分配总效用的同时缩短任务的平均等待时间，实现分配总效用与任务等待时间两者间的均衡。

针对现有的软件众包工人选择机制对工人间协同开发考虑不足的问题，在竞标模式的基础上提出一种基于活跃时间分组的软件众包工人选择机制。首先，基于活跃时间将众包工人划分为多个协同开发组；然后，根据组内工人开发能力和协同因子计算协同工作组权重；最后，选定权重最大的协同工作组为最优工作组，并根据模块复杂度为每个任务模块从该组内选择最适合的工人。实验结果表明，该机制相比能力优先选择方法在工人平均能力上仅有0.57%的差距，同时因为保证了工人间的协同而使项目风险平均降低了32%，能有效指导需多人协同进行的众包软件任务的工人选择。

针对现有软件众包平台对任务发布次序考虑不足的问题，提出一种基于任务发布者权重与任务权重的软件众包任务发布优先级（TRP）计算方法。首先，基于半正弦曲线的时间权重函数度量任务发布者的活跃度及其任务累积成交额，以此计算任务发布者权重；然后，根据系统架构图和数据流图度量模块复杂度、设计复杂度和数据复杂度，得到任务复杂度，并结合任务报价及任务期限，计算任务效益因子和任务紧急程度因子，计算任务权重；最后，根据任务发布者权重和任务权重计算任务发布优先级。实验结果表明，该算法不仅具有较高的有效性和合理性，而且任务成功分配率最高可达98%。

针对现有软件众包平台对工人能力考虑不足，导致分配给工人的任务完成质量低下的问题，提出了一种软件众包工人能力动态度量算法（ADM），实现工人能力的动态度量。首先，基于静态技能覆盖率，实现工人初始能力的计算；其次，对于工人历史完成的单个任务，综合任务复杂度、任务完成质量及任务开发时效，实现开发能力的计算，并根据时间因子计算随时间衰减的开发能力；然后，根据所有历史完成任务的时间先后顺序，实现能力度量值的动态更新；最后，基于历史任务技能覆盖率，计算工人对于待分配任务的开发能力。实验结果表明，与用户可靠性度量算法相比，所提出的能力动态度量算法具有较好的合理性与有效性，使能力度量吻合度平均值最高达到90.5%，能有效指导任务分配。

针对传统Web文本聚类算法没有考虑Web文本主题信息导致对多主题Web文本聚类结果准确率不高的问题,提出基于主题的Web文本聚类方法。该方法通过主题提取、特征抽取、文本聚类三个步骤实现对多主题Web文本的聚类。相对于传统的Web文本聚类算法,所提方法充分考虑了Web文本的主题信息。实验结果表明,对多主题Web文本聚类,所提方法的准确率比基于K-means的文本聚类方法和基于《知网》的文本聚类方法要好。

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声，并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题，提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析，在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率；而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时，利用脉冲噪声梯度值远大于边缘梯度值的特点，定位脉冲噪声所在区域，在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声，保护图像边缘并消除“块效应”现象，同时提高了去噪效率。实验表明了该模型的有效性。