针对流密码（RC4）算法存在不变性弱密钥、密钥流序列随机性不高和算法初始状态可以被破解等问题，提出一种基于椭圆曲线的RC4改进算法。该算法利用椭圆曲线、哈希函数和伪随机数产生器生成初始密钥，在S盒和指针的作用下进行非线性变换最终生成具有高随机性的密钥流序列。美国国家标准与技术研究院（NIST）随机性测试结果表明，改进算法的频率检验、游程检验和Maurer指标比原RC4算法分别高出0.13893，0.13081和0.232050，能有效防止不变性弱密钥的产生，抵抗"受戒礼"攻击；初始密钥是一个分布均匀的随机数，不存在偏差，能够有效抵御区分攻击；椭圆曲线、哈希函数具有单向不可逆性，伪随机数产生器具有高密码强度，初始密钥猜测赋值困难，不易破解，能够抵抗状态猜测攻击。理论和实验结果表明改进RC4算法的随机性和安全性高于原RC4算法。

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。

针对传统的尺度不变特征变换（SIFT）图像匹配算法存在的误匹配率较高、剔除误匹配点条件单一的问题，提出一种基于SIFT算子融合最大相异系数的自适应图像匹配方法。首先，在欧氏距离（Euclidean distance）比测度基础上，对SIFT算法中128维特征向量自适应获取最大相异系数优化；然后，确定最大相异系数最优取值进行匹配点筛选，并采用随机抽样一致性（RANSAC）算法进行匹配正确率计算；最后，利用Daniel Scharstein和Richard Szeliski立体匹配图像进行了算法验证。实验结果表明，改进算法较传统SIFT算法匹配正确率提升10个百分点左右，有效降低误匹配，更能够适应相似区域较多的图像匹配应用。在实时性上，所提方法单次匹配平均耗时1.236 s，可应用于实时性要求不高的系统。

大数据背景下，对于传统的协同过滤推荐算法在电子商务系统中的数据稀疏性、准确性不高、实时性不足等问题，提出一种改进的协同过滤推荐算法。该算法首先通过矩阵分解实现对原始数据的降维及其数据填充，并引入了时间衰减函数预处理用户评分，用项目的属性向量来表征项目，用用户的兴趣向量来表征用户，通过 k-means聚类算法对用户和项目分别进行聚类；然后使用改进相似性度量方法在簇中查找用户的最近邻和项目推荐候选集，产生推荐。实验结果表明，该算法不仅可以有效解决数据稀疏和新项目带来的冷启动问题，而且还可以在多维度下反映用户的兴趣变化，推荐算法的准确度明显提升。