为高效地自动挖掘开源异构大数据中的威胁情报实体和关系，提出一种威胁情报实体关系抽取（TIERE）方法。首先，通过分析开源网络安全报告的特点，研究并提出一种数据预处理方法；然后，针对网络安全领域文本复杂度高、标准数据样本集少的问题，提出基于改进自举法的命名实体识别（NER-IBS）算法和基于语义角色标注的关系抽取（RE-SRL）算法。利用少量样本和规则构建初始种子，通过迭代训练挖掘非结构化文本中的实体，并通过构建语义角色的策略挖掘实体之间的关系。实验结果表明，在少样本网络安全信息抽取数据集上，NER-IBS算法的F1值为84%，与RDF-CRF （Regular expression and Dictionary combined with Feature templates as well as Conditional Random Field）算法相比提高了2个百分点，且RE-SRL算法对于无类别关系抽取的F1值为94%，说明TIERE方法具有高效的实体关系抽取能力。

虚拟机放置问题是云数据中心资源调度的核心问题之一，它对数据中心的性能、资源利用率和能耗有着重要的影响。针对此问题，以降低数据中心能耗、改善资源利用率和保证服务质量(QoS)为优化目标，借助模糊聚类的思想提出了一种基于模糊隶属度的虚拟机放置算法。首先，结合物理主机过载概率和虚拟机与物理主机之间的相适性放置关系，提出了新的距离度量方法；然后，根据模糊隶属度函数计算得出虚拟机与物理主机之间的相适性模糊隶属度矩阵；最后，借助能耗感知机制，在模糊隶属度矩阵中进行局部搜索从而获得迁移虚拟机的最优放置方案。仿真实验结果表明，提出的算法在降低云数据中心能耗、改善资源利用率和保证QoS方面表现比较优异。

针对拥塞复杂监控场景中目标的准确分类问题，提出了一种连续跟踪状态下基于可分性特征的目标优化分类方法。首先对整个场景中所有目标提取简单的颜色、形状和位置特征建立初始目标匹配，利用目标的运动方向及速率预测下帧中优先搜索区域以提高目标匹配效率，减少运算量，并对未建立对应关系的遮挡目标采用外观特征模型进行再匹配。为了提高目标分类的准确率，系统利用连续跟踪状态下目标特征的不间断提取和匹配，根据匹配最大概率决定最优分类结果。通过多种场景的实验结果表明，该方法的分类准确度比未利用连续跟踪信息的方案获得了更好分类准确度，平均达到了97%，有效改善了复杂场景中目标分类精度。