针对在非全互连三维片上网络（3D NoC）架构中的硅通孔（TSV）表只存储TSV地址信息，导致网络拥塞的问题，提出了记录表结构。该表不仅可以存储距离路由器最近的4个TSV地址，也可存储相应路由器输入缓存的占用和故障信息。在此基础上，又提出最短传输路径的自适应单播路由算法。首先，计算当前节点与目的节点的坐标确定数据包的传输方式；其次，检测传输路径是否故障，同时获取端口缓存占用信息；最后，确定最佳的传输端口，传输数据包到邻近路由器。两种网络规模下的实验结果表明，与Elevator-First算法相比，所提算法在平均延时和吞吐率性能指标上有明显的优势，且在网络故障率为50%时，Random和Shuffle流量模型下的丢包率分别为25.5%和29.5%。

针对网络中存在的对等网络（P2P）流量泛滥导致的流量失衡问题，提出将非平衡数据分类思想应用于流量识别过程。通过引入合成少数类过采样技术（SMOTE）算法并进行改进，提出了均值SMOTE （M-SMOTE）算法，实现对流量数据的平衡化处理。在此基础上分别采用3种机器学习分类器：随机森林（RF）、支持向量机（SVM）、反向传播神经网络（BPNN）对处理后各类流量进行识别。理论分析与仿真结果表明，在不影响P2P流量识别准确率的前提下，与非平衡状态相比，引入SMOTE算法将非P2P流量的识别准确率平均提高了16.5个百分点，将网络流量的整体识别率提高了9.5个百分点；与SMOTE算法相比，M-SMOTE算法将非P2P流量的识别准确率与网络流量的整体识别率分别进一步提高了3.2个百分点和2.6个百分点。实验结果表明，非平衡数据分类思想可有效解决P2P流量过多导致的非P2P流量识别率低的问题，同时所提M-SMOTE算法具有更高的识别准确度。