与普通网络相比，超网络具有复杂的元组关系（超边），然而现有的大多数网络表示学习方法并不能捕获元组关系。针对上述问题，提出一种超边约束的异质超网络表示学习方法（HRHC）。首先，引入一种结合团扩展和星型扩展的方法，从而将异质超网络转换为异质网络；其次，引入感知节点语义相关性的元路径游走方法捕获异质节点之间的语义关系；最后，通过超边约束机制捕获节点之间的元组关系，从而获得高质量的节点表示向量。在3个真实世界的超网络数据集上的实验结果表明，对于链接预测任务，所提方法在drug、GPS和MovieLens数据集上都取得了较好的结果；对于超网络重建任务，当超边重建比率大于0.6时，所提方法在drug数据集上的准确性（ACC）优于次优的Hyper2vec（biased 2nd order random walks in Hyper-networks），同时所提方法在GPS数据集上的ACC超过其他基线方法中次优的基于关联图的超边超边约束的异质超网络表示学习方法（HRHC-关联图）15.6个百分点。

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。

针对虚假评论会误导用户的偏向并使其利益遭受损失以及大规模人工标注评论的代价过高等问题，通过利用以往迭代过程中生成的分类模型来提高检测的准确性，提出一种基于垂直集成的Tri-training（VETT）的虚假评论检测模型。该模型在评论文本特征的基础上结合用户行为特征作为特征进行提取。在VETT算法中，迭代过程被分成组内垂直集成和组间水平集成两部分：组内集成是利用分类器以往的迭代模型集成为一个原始分类器，而组间集成是利用3个原始分类器通过传统过程训练得到这一轮迭代后的二代分类器，以此来提高标签标记的准确率。对比Co-training、Tri-training、基于AUC优化的PU学习（PU-AUC）和基于垂直集成的Co-training（VECT）等算法，VETT算法的F1值分别最大提高了6.5、5.08、4.27和4.23个百分点。实验结果表明VETT算法有较好的分类性能。

针对传统的小区内开环功率控制算法通常以提升本小区的吞吐量性能为目标，忽略了当前小区用户对邻小区用户同频干扰的问题，为提升边缘用户性能的同时兼顾系统整体性能，提出了一种LTE系统小区间上行联合功率控制（UJPC）算法。该算法采用单基站三扇区为系统模型，以最优化系统吞吐量比例公平函数为目标，首先根据最小信干噪比（SINR）约束值和用户最大发射功率这两个约束条件得到相应的数学优化模型，然后采用连续凸近似的方法求解优化问题得出各个基站所管辖的小区内所有用户的最优发射功率。仿真结果表明，与基准的开环功控方案相比，联合功控方案在保证系统平均频谱利用率的情况下能够较大幅度地提高小区边缘频谱利用率，其最佳性能增益能达到50%。

针对高速数据传输及计算所带来时延和终端设备能耗问题，提出了一种在上行链路采用等功率分配的传输方案。首先，依据增强现实（AR）业务的协作属性建立了针对AR特性的系统模型；其次，详细分析了系统帧结构，建立以最小化系统消耗总能量为优化目标的约束条件；最后，在保障延迟和功耗满足约束的条件下，建立了基于凸优化的移动边缘计算（MEC）资源优化求解数学模型，从而获得最优的通信和计算资源分配方案。与独立传输相比，该方案在最大延迟时间分别为0.1 s和0.15 s时的总能耗降幅均为14.6%。仿真结果表明，在相同条件下，与基于用户独立传输的优化方案相比，考虑用户间协作传输的等功率MEC优化方案能显著减少系统消耗的总能量。

针对主观分配属性项权重的方法忽视了各属性项在身份匹配的应用领域中具有的特殊含义与作用，导致识别准确率低的问题，提出了一种基于信息熵的跨网络用户身份识别算法（IE-MSNUIA）。首先，该算法分析不同属性项的数据类型及物理含义，相应地采用不同的相似度计算方法；然后根据各属性的信息熵值赋予权值，进而充分挖掘各属性的潜在信息；最后融合各个属性进行决策判定账号是否匹配。理论分析和实验结果表明，与机器学习算法和主观赋权算法相比，所提算法的各个性能参数值均有所提升，在不同数据集上的平均准确率可以达到97.2%，平均召回率达到94.1%，平均综合性能值达到95.6%，可以准确地识别出用户在不同社交网络中的多个账号身份。

针对移动银行网络安全风险评估问题，提出一种灰色加性语言有序加权平均算子的网络安全多人评估模型。首先在灰色模糊数中将语言变量融入其模部形成灰色语言变量，在此基础上界定了灰色加性语言变量间的运算法则、可能度以及几种灰色加性语言信息集成算子，最后构建了移动银行网络安全多人评估模型。仿真示例验证了模型的可行性。