许多基于网络结构信息的链接预测算法利用节点的聚集程度评估节点间的相似性，进而执行链接预测；然而，该类算法只注重网络中节点的聚集系数，没有考虑预测节点与共同邻居节点之间的链接聚集系数对节点间相似性的影响。针对上述问题，提出了一种融合节点聚集系数和非对称链接聚集系数的链接预测算法。首先，计算共同邻居节点的聚集系数，并利用共同邻居节点对应的两个非对称链接聚集系数计算该预测节点的平均链接聚集系数；然后，基于Dempster-Shafer证据理论将两种聚集系数进行融合生成一个综合性度量指标，并将该指标应用于中间概率模型（IMP），得到一个新的节点相似性指标（IMP_DS）。在9个网络数据上的实验结果表明，该算法的受试者工作特征（ROC）的曲线下方面积（AUC）与精度值（Precision）优于共同邻居（CN）、Adamic-Adar（AA）、资源分配（RA）指标和基于共同邻居的中间概率模型（IMP_CN）。

为寻找压缩感知在视频编码上的应用并提高MPEG-2的编码效率，提出了基于压缩感知和MPEG-2的改进方案。该视频编码改进方案从标准重构方法与像素域最小全变分重构算法中选出最终重构方法，使最终重构出的图像具有较小均方误差和。像素域最小全变分重构算法的提出，基于原始图像的梯度比残差图像的梯度更稀疏这个特征。实验结果表明，所提出的方案对于各类序列都有性能的提升。对于有比较锐利边缘物体的序列，平均峰值信噪比(PSNR)提高0.5dB以上；而对于具有较多平坦区域或复杂纹理的序列，平均PSNR也有0.26dB~0.41dB的提高。

多视点视频编码效率受到各个视点图像之间颜色不均衡的影响。在三色激励值近似线性无关的lαβ颜色空间中，对多视点视频数据实现了颜色校正。根据视频序列原始数据的特点，选择合适的变换矩阵，提供了YUV到lαβ空间的变换式。为降低不同视点间亮度差异的影响，在块搜索和匹配中结合相关分析法，获取最优匹配块。将匹配块数据变换到从lαβ衍生的一个线性无关的颜色空间中，采用统计量逼近的方法对数据进行了更简便的校正。结果表明，所校正的数据变换回YUV空间后，主观效果良好，消除了颜色差异，在编码性能上，Y分量平均PSNR提高达l.4dB以上，证明了该颜色校正算法的有效性。