函数查询是大数据应用中重要的操作，查询解答问题一直是数据库理论中的核心问题。为了分析大数据上函数查询解答问题的复杂度，首先，使用映射归约方法将函数查询语言归约到已知的可判定语言，证明了函数查询解答问题的可计算性；其次，使用一阶语言描述函数查询，并分析了一阶语言的复杂度；在此基础上，使用NC-factor归约方法将函数查询类归约到已知的 \mathrm{\Pi } {\mathrm{{\rm T}}}_Q -complete类中。证明函数查询解答问题经过PTIME（多项式时间）预处理后，可以在NC（并行多项式-对数）时间内求解。通过以上证明可以推出，函数查询解答问题在大数据上是可处理的。

图像中的阴影是投影物体的重要视觉信息，但也会对计算机视觉任务造成影响。现有的单幅图像阴影去除方法因鲁棒阴影特征的缺乏或训练样本数据的不足与误差等原因，无法得到好的阴影去除结果。为了准确生成用于描述阴影区域光照衰减程度的蒙版图像，进而获得高质量的无阴影图像，提出了一种基于衰减式生成对抗网络的单幅图像阴影去除方法。首先，敏感因子引导的衰减器被用来提升训练样本数据，为后续的生成器与判别器提供符合物理光照模型的阴影样本图像。其次，生成器将结合感知损失，并在判别器的督促下得到最终阴影蒙版。与相关研究工作比较，所提方法能有效恢复阴影区域的光照信息，可以得到更为逼真、阴影边界过渡更加自然的无阴影图像。利用客观指标评价阴影去除结果。实验结果表明，该方法能在多个真实场景下有效去除阴影，去阴影结果视觉一致性良好。

针对3D打印中已有自适应分层算法不能有效保留模型特征的问题,提出了一种新的识别和保留模型特征的自适应分层算法。首先,扩展了模型特征的定义,引入了模型特征丢失和偏移的概念;然后,提出了一种特征识别的方法,其识别模型特征的关键在于利用了模型特征出现的地方必然伴随着模型表面复杂度或切片轮廓数的变化这一性质;最后,在已有自适应分层算法的基础上,通过在特征附近用最小的分层厚度处理模型来保留模型的特征。在自主开发的软件Slicer3DP上实现了均匀分层、自适应分层和所提的分层算法,对比发现所提算法能有效解决模型特征的丢失和偏移,兼顾了分层精度和效率。仿真表明该算法可以用于对模型精度要求较高的3D打印中。