为解决传统卷积神经网络中大量池化层的引入导致特征信息丢失的问题，依据胶囊网络(CapsNet)使用向量神经元保存特征空间信息的特性，提出了一种用以识别三维模型的网络模型3DSPNCapsNet。使用新的网络结构，提取更具代表性的特征的同时降低了模型复杂度，并提出基于动态路由(DR)算法的DRL算法来优化胶囊权重的迭代计算过程。在ModelNet10上的实验结果表明，相比3DCapsNet以及VoxNet，该网络取得了更好的识别效果，在原始测试集上3DSPNCapsNet的平均识别准确率达到95%，同时验证了该网络对旋转三维模型的识别能力。适当扩展旋转训练集之后，所提网络对各角度旋转模型的平均识别率达到81%。实验结果表明，3DSPNCapsNet对三维模型及其旋转具有良好的识别能力。

为了改善推荐系统存在的稀疏性和冷启动问题，提出一种融合信任信息的欧氏嵌入推荐（TREE）算法。首先，利用欧氏嵌入模型将用户和项目嵌入到统一的低维空间中；其次，在用户相似度计算公式中引入项目参与度和用户共同评分因子以度量信任信息；最后，在欧氏嵌入模型中加入社交信任关系正则化项，利用不同偏好的信任用户约束用户的位置向量并生成推荐结果。实验将TREE算法与概率矩阵分解（PMF）、社会正则化（SoReg）模型、社交的矩阵分解（SocialMF）模型、社交信任集成模型（RSTE）四种算法进行对比，当维度为5和10时，在Filmtrust数据集上TREE算法的均方根误差（RMSE）比最优的RSTE算法分别降低了1.60%、5.03%，在Epinions数据集上TREE算法的RMSE比最优的社交矩阵分解模型（SocialMF）算法分别降低了1.12%、1.29%。实验结果表明，TREE算法能进一步缓解稀疏和冷启动问题，提高评分预测的准确性。

在研究二维码及其手机识别技术的基础上，开发了基于Android平台的手机二维码识别系统，在系统架构设计中将二维码识别系统的平台支撑层、客户端应用层、云端处理层进行分层设计，保证了系统的安全性,根据需求给出系统的功能模块划分和用例分析，最后实现了手机二维码的编码解码的核心功能。

构建了安全数据库系统模型,不仅从系统防御考虑,还有效地结合入侵检测和容忍技术,从事务处理的角度出发。对攻击的损害进行定位和修复,保护了数据库系统安全,为合法用户提供不间断的服务,对于机密数据的存储,将冗余性和多样性技术相结合,采用基于中国剩余定理的秘密共享方案,实现了关键数据的机密存储。