目前，唐诗宋词在文学角度的研究成果较多，然而采用基于超图的超网络方法对唐诗宋词进行研究的成果较少，且仅有的这种研究局限于对字频和词频的研究。采用超网络数据分析方法对唐诗宋词进行分析研究有助于探索传统文学角度无法涉及的广度，也有助于发现唐诗宋词所折射出来的文学组词规律和时代背景。因此，首先基于全唐诗和全宋词这两个古文本语料库，分别建立了唐诗超网络和宋词超网络。在构建该超网络时，将一首诗或一首词作为超边，将唐诗中的字或宋词中的字作为超边内的节点。然后，对唐诗超网络和宋词超网络的拓扑指标和网络特性，如节点超度、节点超度分布、超边节点度、超边节点度分布，进行了实验分析，旨在发现唐代诗人和宋代词人的用字、用词和审美倾向。最后，基于李白诗词集、杜甫诗词集、苏轼诗词集、辛弃疾诗词集的诗词作品构建了作品集超网络，并计算了相关网络参数。分析结果表明，唐诗宋词超网络中的最大超度与最小超度相差较大，且其超度分布近似为幂律分布，该结果表明唐诗宋词超网络的无标度特性。另外，唐诗宋词超网络的超边节点度也存在明显的分布特性，具体来说，唐诗超网络的超边节点度较多分布在20~100，宋词超网络的超边节点度较多分布30~130。并且，通过分析发现作品集超网络具有较小的平均路径长度和较大的集聚系数，该结果反映作品集超网络具有小世界特性。

书法欣赏被广泛认为需要进行时序还原，而绘画的时序还原长期被忽略，并且笔触的细节特征被认为能增强时序的感知。为了量化时序感以及探究笔触细节特征对时序感的影响，提出了一种基于马尔可夫链熵率的书画作品时序感量化方法。首先，将个体在书画作品上标记点的感知时序建模为马尔可夫链；然后，计算马尔可夫模型的熵率得到感知时序的不确定性；最后，采用负熵来衡量感知时序的有序性，并将其归一化得到量化指标——时序感。通过对多个书画作品的时序感实测，验证了此方法的可行性，并基于该度量研究了图形变换对书画作品时序感知的影响。实验结果显示，原始图像在旋转或镜像变换后的时序感的一致性保持在较高水平，但正确率有显著变化。这意味着，笔触特征并非形成时序感受的首要因素，观者自身的笔顺经验在其中更加重要，而该推论还需进一步验证。

目前大部分链路预测算法只研究了节点与邻居节点之间的一阶相似性，没有考虑节点与邻居的邻居节点之间的高阶相似性关系。针对此问题，提出一种基于高阶近似的链路预测算法（LP-HOPA）。首先，求出网络的归一化邻接矩阵和相似度矩阵；其次，利用矩阵分解的方法将相似度矩阵进行分解，得到网络节点的表示向量以及其上下文的表示向量；然后，通过高阶网络表示学习的网络嵌入更新（NEU）算法对原始相似度矩阵进行高阶优化，并利用归一化的邻接矩阵计算出更高阶的相似度矩阵表示；最后，在四个真实的数据集上进行大量的实验。实验结果表明，与原始链路预测算法相比，大部分利用LP-HOPA优化后的链路预测算法准确率提升了4%到50%。此外，LP-HOPA算法能够将基于低阶网络局部结构信息的链路预测算法转换为基于节点高阶特征的链路预测算法，在一定程度上肯定了基于高阶近似链路预测算法的有效性和可行性。

为了生成新颖的艺术效果,提出了周期性动态图像模型,其每个像素都是一个时域周期函数。首先,提出了周期性动态图像的傅里叶表达,具体是将图像中每个像素对应的周期函数以一系列傅里叶系数来表达,并在实时运行中以傅里叶级数求和的结果作为每个像素的动态输出。其次,提出了三种渲染风格,使得图像的动态输出以不同的方式渲染显示。这三种渲染风格演示了三种应用,包括动态数字绘画、动态图像扭曲特效和动态对白气泡。最后,构建了原型绘画系统,并进行了有关艺术效果的心理评价实验,结果显示其生成的视觉效果新颖而多样化,且易于实现笔式交互编辑。这种图像模型可作为一种新型的艺术媒介。