针对现在广泛使用的三维形变模型表达能力不够，导致重建出的三维人脸模型泛化性能不佳的问题，提出了一种在姿态、表情和光照未知的条件下的基于单张人脸图片的三维人脸重建和密集人脸对齐的新方法。首先，通过卷积神经网络对现有的三维形变模型进行改进，以提高三维人脸模型的表达能力；然后，基于人脸光滑性和图像相似性，在特征点和像素层面提出新的损失函数，并使用弱监督学习训练卷积神经网络模型；最后，通过训练出的网络模型进行三维人脸重建和密集人脸对齐。实验结果表明，对于三维人脸重建任务，所提模型在AFLW2000-3D上实现了2.25的归一化平均误差；对于密集人脸对齐任务，所提模型在AFLW2000-3D和AFLW-LFPA上分别实现了3.80和3.34的归一化平均误差。与原始使用三维形变模型的方法相比，所提模型在三维人脸重建和密集人脸对齐上的归一化平均误差分别降低了7.4%和7.8%。针对不同光照环境以及角度的人脸图片，该网络模型的重建准确，鲁棒性好，且具有较高的三维人脸重建和密集人脸对齐质量。

容迟网络的通信具有机会性，且传输时间受到严格限制。如果将传统的密钥交互协议应用于容迟网络中，将会导致传输效率的下降，这是因为节点的身份识别和共享密钥的协商需要节点间的多次交互。针对这一问题，提出一种基于认知无线电的非交互式的共享密钥协商方案(CRNIKES)，节点通过频谱识别身份和双线性对技术协商共享密钥，使得网络在无需交互的情况下便可协商共享密钥，其协商效率为O(TC)，TC为频谱感知时间。由于TC为常量，且与网络规模无关，因此共享密钥协商具有较高的执行效率且适用于容迟网络。

对基于Merkle树的移动代理路由协议进行了分析，发现其运算量大，实现代价高。在此基础上提出了一种基于Hash函数的安全移动代理路由协议。经分析改进协议安全性不变，计算复杂度仅为原来的1/2，具有较好的实用价值。

通过扩展DTD和XML文档的解析建立面向对象的XML存储模式中的数据仓支持XML数据之间的继承关系和基于XML的面向对象的数据查询方式。文章阐述了解析器的系统设计与实现算法,并给出进一步的研究方向。