蓝牙、WiFi等网络技术的进步推动物联网（IoT）的发展，然而IoT在方便了人们生活的同时也存在严重的安全隐患。若无安全的访问控制，非法接入IoT的访问可能给用户带来各方面的损失。传统的访问控制方法需要一个可信任的中心节点，不适合节点分散的IoT环境。区块链及智能合约的出现为IoT应用的访问控制提供了更有效的解决方案，但用一般测试方法难以保证实现IoT应用的访问控制智能合约的正确性。针对这个问题，提出一种利用模型检测工具Verds对访问控制智能合约进行形式化验证从而保障合约正确性的方法。该方法利用状态迁移系统定义Solidity智能合约的语义，应用计算树逻辑（CTL）公式描述所要验证的性质，并对智能合约交互及用户行为进行建模，从而形成Verds的输入模型及所要验证性质，然后利用Verds验证待测性质的正确性。方法核心是Solidity合约子集到Verds输入模型的转换。对两个IoT资源访问控制智能合约的实验结果表明，该方法可以对访问控制合约的典型场景及期望性质进行验证，提升了智能合约的可靠性。

针对传统的卷积神经网络（CNN）不能直接处理点云数据，需先将点云数据转换为多视图或者体素化网格，导致过程复杂且点云识别精度低的问题，提出一种新型的点云分类与分割网络Linked-Spider CNN。首先，在Spider CNN基础上通过增加Spider卷积层数以获取点云深层次特征；其次，引入残差网络的思想在每层Spider卷积增加短连接构成残差块；然后，将每层残差块的输出特征进行拼接融合形成点云特征；最后，使用三层全连接层对点云特征进行分类或者利用多层卷积层对点云特征进行分割。在ModelNet40和ShapeNet Parts数据集上将所提网络与PointNet、PointNet++和Spider CNN等网络进行对比实验，实验结果表明，所提网络可以提高点云的分类精度和分割效果，说明该网络具有更快的收敛速度和更强的鲁棒性。

针对传统的K最近邻(K-NN)光辐射强度估算只能通过发射大量的光子、增加光子密度来提高估算精度这一缺陷，提出用具有平滑性的可变核(VK)函数估算光辐射强度，通过计算光子到估算点的距离与该光子预先分配的半径之比，实现与传统估算算法不同的自适应光辐射强度估算。实验结果表明，VK算法不需发射大量光子就能改善图像质量且渲染速度快。

阴影对提升图形的真实感具有重要意义。探讨了平面阴影生成算法，针对平面阴影算法在实际应用中的缺点，利用OpenGL的模板缓冲技术实现阴影裁剪，利用基于截锥体的裁剪矩阵消除假影和反影现象，并利用OpenGL累积缓冲技术实现软阴影。较好解决了平面阴影算法的缺点，程序计算量小、效率高，图形的真实感和场景的可视化效果得以提升，达到良好的效果。