针对在高层次综合（HLS）过程中性能提升、功耗降低困难等问题，提出了一种面向高层次综合的自定义指令自动识别方法。在高层次综合过程之前实现对自定义指令的枚举和选择，从而为高层次综合提供通用的自定义指令识别方法。首先，将高层次源代码转换为控制数据流图（CDFG），实现了对源代码的预处理；其次，基于控制数据流图内的数据流图（DFG），采用子图枚举算法以自底而上的方式枚举出所有连通凸子图，有效提高了用户可灵活修改约束条件的能力；然后，分别从面积、性能和代码量三个角度考虑，利用子图选择算法选择部分最佳子图作为最终的自定义指令；最后，用所选的自定义指令重新生成新代码作为高层次综合工具的输入。与传统高层次综合相比，采用基于出现频率的模式选择可平均减少19.1%的面积，采用基于关键路径的子图选择可平均减少22.3%的时延。此外，与TD算法相比，所提算法的枚举效率平均提升70.8%。实验结果表明，自定义指令自动识别方法使高层次综合在电路设计中能够显著地提升性能，减少面积和代码量。

针对移动社会网络（MSN）的好友推荐问题，提出了一种基于多维相似度的好友推荐方法。该方法隶属于基于内容的好友推荐，但与现有方法相比，不再局限于单一维度的匹配信息，而是从空间、时间和兴趣三个维度出发，判断用户在各个维度上的相似度，最终通过“差异距离”进行综合评判，向目标用户推荐与之在地理位置、在线时间和兴趣爱好上更具一致性的其他用户成为其好友。由实验结果表明，该方法应用于移动社会网络中的好友推荐服务时，其推荐结果查准率接近80%，查准效率接近60%，性能远高于只基于单一维度的好友推荐方法；同时，通过对三维权重值的调整，该方法可应用于多种特性的移动社会网络中。