为解决多源告警中的复杂攻击难以被发现的问题，提出一种攻击序列模式挖掘算法。利用正则表达式匹配告警，将多源告警规范化为统一格式。对冗余告警信息进行压缩，利用强关联规则训练得到的规则集聚合同一阶段的告警，有效去除冗余告警，精简告警数量。利用滑动窗口对聚合后的告警进行划分得到候选攻击事件数据集，通过改进的PrefixSpan算法挖掘得到多阶段攻击事件的攻击序列模式。实验结果表明，该算法在不依赖专家知识的前提下，能够准确并高效地分析告警相关性，还原攻击事件中的攻击步骤。相比传统PrefixSpan算法，提出的改进算法的攻击模式挖掘效率提升了48.05%。

传统手工特征很大程度上依赖于行人的外观特征，而深度卷积特征作为高维特征，直接用来匹配图像会消耗大量的时间和内存，并且来自较高层的特征很容易受到行人姿势背景杂波影响。针对这些问题，提出一种基于深度多视图特征距离学习的方法。首先，提出一种新的整合和改善深度区域的卷积特征，利用滑框技术对卷积特征进行处理，得到低维的深度区域聚合特征并使其维数等于卷积层通道数；其次，通过交叉视图二次判别分析方法，从深度区域聚合特征和手工特征两个角度出发，提出一种多视图特征距离学习算法；最后，利用加权融合策略来完成传统特征和卷积特征之间的协作。在Market-1501和VIPeR数据集上的实验结果显示，所提融合模型的Rank1值在两个数据集上分别达到80.17%和75.32%；在CUHK03数据集新分类规则下，所提方法的Rank1值达到33.5%。实验结果表明，通过距离加权融合之后的行人重识别的精度明显高于单独的特征距离度量取得的精度，验证了所提的深度区域特征和算法模型的有效性。

对广义行（列）对称矩阵的QR分解和性质进行了研究，给出了广义行（列）对称矩阵的QR分解的公式和快速算法，它们可有效减少广义行（列）对称矩阵的QR分解的计算量与存储量，并且不会丧失数值精度。同时讨论了系统参数估计，推广和丰富了两文（邹红星，王殿军，戴琼海,等.行(或列)对称矩阵的QR分解.中国科学：A辑,2002,32(9):842-849；蔺小林,蒋耀林.酉对称矩阵的QR分解及其算法.计算机学报,2005,28(5):817-822）的研究内容，拓宽了实际应用领域的范围, 并修正了后者的错误。

由于复杂网络的不确定性，传统的复杂网络社区结构划分算法易造成过早收敛，使精度降低，且由于计算量大，时间复杂度较高。为克服以上不足，利用基因表达式编程(GEP)的自适应性和全局搜索能力强以及具有并行性计算等特点，优化网络社区结构的划分，提出了一种基于GEP的复杂网络社区结构划分算法，并通过实验验证了新算法的有效性。新算法在无先验信息情况下，可较准确地完成对复杂网络的社区划分。