针对移动服务推荐中用户上下文环境复杂多变和数据稀疏性问题，提出一种基于移动用户上下文相似度的张量分解推荐算法——UCS-TF。该算法组合用户间的多维上下文相似度和上下文相似可信度，建立用户上下文相似度模型，再对目标用户的K个邻居用户建立移动用户-上下文-移动服务三维张量分解模型，获得目标用户的移动服务预测值，生成移动推荐。实验结果显示，与余弦相似性方法、Pearson相关系数方法和Cosine1改进相似度模型相比，所提UCS-TF算法表现最优时的平均绝对误差（MAE）分别减少了11.1%、10.1%和3.2%；其P@N指标大幅提升，均优于上述方法。另外，对比Cosine1算法、CARS2算法和TF算法，UCS-TF算法在数据稀疏密度为5%、20%、50%、80%上的预测误差最小。实验结果表明UCS-TF算法具有更好的推荐效果，同时将用户上下文相似度与张量分解模型结合，能有效缓解评分稀疏性的影响。

针对电子交易中的隐私安全问题，提出了一个可保护用户隐私的电子交易方案。方案将不经意传输协议和ElGamal签名相结合，实现了电子交易中交易双方的隐私安全。用户使用序号选择商品，匿名付费给银行；银行将商品的数字签名发送给用户，用户使用数字签名和商家进行不经意信息交互；对序号进行幂运算加密得到密钥，商家不知道用户订购何种数字商品，序号的隐蔽性和制约性也使得用户不能以没有选择的序号打开消息，用户得到且只能得到自己订购的数字商品。正确性证明和安全性分析结果表明，方案保护了交易双方在电子交易过程中的交互信息，同时防止商家恶意欺诈行为。方案签名短，计算量小，密钥动态变化，安全性强。

水库优化调度是一个典型的具有多约束条件的、动态的、非线性的优化问题。针对这些问题,利用动态规划-粒子群(DP-PSO)算法加以求解。利用动态规划中的多阶段最优策略原理,将水库优化调度问题转化为多阶段决策子问题,各个子问题采用粒子群算法优化求解。数值实验表明,在计算时段较多时,DP-PSO算法计算的可靠性明显优于一般的动态规划(DP)算法,在计算时间上,DP-PSO算法用时较动态规划-遗传算法(DP-GA)少。

在压缩域对图像检索技术进行了研究,首先对图像库中每幅图像采用分形压缩编码,获得其IFS分形码,然后利用分形码的分布特点计算检索图像与图像库中图像间的距离。实验结果表明,本文所提出算法具有稳定性与有效性。