针对车联网（IoV）中信息传播效率及用户安全隐私的问题，提出了一种基于改进投票证明（PoV）共识协议的IoV系统。首先，根据IoV的实际需求，选择使用区块链技术来保障IoV基本的信息传播效率及用户安全；其次，为了进一步提高整个IoV系统的传播效率，通过优化结构及算法的方式改进了传统的PoV共识协议；最后，为了保护IoV用户的安全隐私，设计了一种监督惩罚机制来保障系统的可靠性。该协议不依赖第三方中介，因而可以在保障共识效率的同时保护车辆及车主的相关隐私，更加贴近IoV的实际需求。理论分析和仿真实验表明，同传统的PoV共识协议相比，改进PoV共识协议的确认交易时长以及区块间隔时间均从0.25 min降低至0.2 min；而在共识协议的可靠性对比中，具有监督惩罚机制的改进共识协议的准确性比缺乏监督惩罚机制的改进共识协议提高了29.4%。实验结果表明，改进后的共识协议在IoV中具有较高的共识效率及安全性。

针对拖网算法存在的发现Web社区数量过多、社区间页面重复率较高以及严格的社区定义形成孤立社区等问题，提出一种基于形式概念分析(FCA)的博客社区发现算法。根据博客网络之间的链接关系构造概念格，通过格的代数消解对原始概念格进行等价划分，度量每个划分中概念间外延和内涵的结构相似性进而合并社区核心形成社区。实验结果表明：测试数据集中社区核心的网络密度大于40%的占全部的83.420%，合并社区的网络直径为3，且社区内容丰富程度得到提高。所提算法可以有效地运用于博客、微博等社交网络的社区发现，具有显著的应用价值和现实意义。

神经元尖峰电位的识别和分类，是神经信息处理中的关键环节之一，而尖峰电位的特征提取是识别和分类的重要基础。针对尖峰电位的特征提取和分类，提出一种基于局部保持投影(LPP)的无监督算法，对近邻参数进行了自动识别和选择，使用基于原型向量的分布离散度标准，尖峰电位的特征得到充分提取和分离。仿真和实际数据实验结果表明：基于局部保持投影的无监督特征提取和分类算法，比传统主成分分析(PCA)方法能更加有效地实现特征提取和分离。

目前，用来估算查询选择性的最有效的技术是直方图技术。通过特定的改进，直方图也可应用到时空查询优化中。TPR树在对未来预测的时空索引中显示了很好的优越性。结合TPR树索引结构，构建满足时空查询的直方图，估算时空查询的选择性。