中医（TCM）电子病历由于结构复杂多样与诊疗术语不规范的特点导致数据挖掘难度大、利用率低、难以抽取到有效信息。针对上述问题，提出基于LERT（Linguistically-motivated bidirectional Encoder Representation from Transformer）预训练模型与图卷积网络（GCN）并用异构图表示的中医电子病历分类模型TCM-GCN，用于改善中医电子病历特征有效表征的提取与分类。首先，利用LERT层词嵌入的方式将病历转换为句向量融入异构图中，以补全图结构缺失的病历整体语义特征；随后，为了缓解中医电子病历结构特点对特征提取产生的负面影响，异构图将关键词加入节点，使用BM25与点间互信息（PMI）算法构建图中“病历-关键词”“关键词-关键词”的边以表达病历的特征；最后，TCM-GCN依靠LERT-BM25-PMI构建的异构图对病历之间的特征关系进行聚合与抽取，完成病历分类的任务。在中医电子病历数据集上的实验结果表明，相较于次优的LERT，TCM-GCN加权平均后的准确率、召回率、F1值分别提升了2.24%、2.38%、2.32%，验证了算法在捕捉病历间隐含特征与中医电子病历分类工作上的有效性。

针对交通监测传感网络时间同步拓扑的能量有效性和场景适应性问题，提出一种基于形式概念分析的交通监测传感网络贪婪性同步拓扑算法GST-FCA。首先分析交通监测传感网络同步拓扑的场景适应性需求和能量有效性问题模型；其次，利用形式概念分析（FCA）对同层和相邻层传感节点的邻接特征进行关联性解析，根据最多邻居贪婪策略构建广播元组（BT）并划分同步集合；然后利用回溯广播改进传感网络时间同步协议（TPSN）算法的层探测广播策略，同时设计向上托管机制，增大已同步节点信息的共享范围，进一步缓解贪婪策略产生的局部最优解问题；最后对GST-FCA的能量有效性和场景适应性进行测试。仿真结果表明，相较于TPSN、LECFO等算法，GST-FCA在部署位置、部署规模、道路部署三个测试场景中的同步报文开销分别至少降低11.54%、24.59%和39.16%。由此可见，GST-FCA能缓解局部最优解问题并降低同步报文开销，而且能在同步拓扑满足上述三个场景适应性需求下达到良好的能量有效性。