针对可重构智能超表面（RIS）辅助无线通信系统中使用传统信道估计方法导频开销过高的问题，提出了一种基于块稀疏的正交匹配追踪（OMP）信道估计方案。首先，根据毫米波（mmWave）信道模型推导出级联信道矩阵，并将其转换到虚拟角域（VAD）中以获得级联信道的稀疏表示；其次，利用级联信道特有的稀疏特性将信道估计问题转换成稀疏矩阵恢复问题，并使用压缩感知的重构算法进行稀疏矩阵的恢复；最后，通过分析特殊的行-块稀疏结构，对传统的OMP方案进行优化，从而进一步减少导频开销并提升估计性能。仿真结果表明，与传统的OMP方案相比，所提出的基于行-块稀疏结构的优化OMP方案的归一化均方误差（NMSE）减小了大约1 dB。可见，所提出的信道估计方案能够有效减少导频开销并获得更好的估计性能。

精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值。航班延误预测是在特定空间下做时间序列预测，然而目前已有预测方法多为两种或多种算法的结合，存在算法间的融合问题。针对上述问题，提出了一种综合考虑时空序列的卷积长短时记忆（Conv-LSTM）网络航班延误预测模型。所提模型在长短时记忆（LSTM）网络提取时间特征的基础上，将网络的输入和权重矩阵进行卷积来提取空间特征，从而充分利用数据集包含的时间和空间信息。实验结果表明，与LSTM、仅考虑空间信息的卷积神经网络（CNN）模型相比，Conv-LSTM模型的准确率分别提高了0.65个百分点和2.36个百分点。由此可见，同时考虑时空特性可以在航班延误问题中获得更精确的预测结果。此外，基于所提模型设计并实现了基于浏览器/服务器（B/S）架构的航班延误分析系统，并且该系统也可以应用于空中交通管理局流量控制中心。

K-匿名算法通过对数据的泛化、隐藏等手段使得数据达到K-匿名条件，在隐藏特征的同时考虑数据的隐私性与分类性能，可以视为一种特殊的特征选择方法，即K-匿名特征选择。K-匿名特征选择方法结合K-匿名与特征选择的特点使用多个评价准则选出K-匿名特征子集。过滤式K-匿名特征选择方法难以搜索到所有满足K-匿名条件的候选特征子集，不能保证得到的特征子集的分类性能最优，而封装式特征选择方法计算成本很大，因此，结合过滤式特征排序与封装式特征选择的特点，改进已有方法中的前向搜索策略，设计了一种混合式K-匿名特征选择算法，使用分类性能作为评价准则选出分类性能最好的K-匿名特征子集。在多个公开数据集上进行实验，结果表明，所提算法在分类性能上可以超过现有算法并且信息损失更小。

在给出审批业务形式化定义的基础上,针对审批动态行为过程提出了一个形式化模型EABWF net。与传统的面向过程的建模方式不同,该模型以审批角色为中心,以消息为流转机制,以规则为流程控制逻辑。该模型克服了传统建模方式在审批业务工作流建模中缺乏流程柔性和系统灵活性的缺点,能更加直观、清晰地描述审批业务。