在社会网络影响力最大化（IM）算法中，针对目前仅选取局部最优节点造成的影响范围较小的问题，综合考虑核心节点和结构洞节点的传播优势，提出了一种基于结构洞和度折扣的最大化算法（SHDD）。首先，该算法将结构洞思想和中心度思想互相融合应用到影响力最大化问题中，并找出能将结构洞节点和核心节点综合发挥最大传播作用的 α因子，使得信息更大范围地扩散从而扩大整个网络的影响范围。其次，为突出两个思想融合的优势，将二度邻居的影响添加到结构洞评价标准中来选取结构洞节点。在不同规模的数据集上实验结果表明，与DegreeDiscount算法相比，SHDD在没有增加过多时间开销的同时扩大了影响范围；与基于结构的贪心（SG）算法相比，在聚类系数较大的网络中SHDD扩大了影响范围并降低了时间开销。SHDD在 α因子取0.6时能最大限度地发挥结构洞节点和核心节点融合的作用并且在聚类系数较大的社交网络中能更加稳定地扩大影响范围。

为解决现有的起源图查询效率低和资源占用率高的问题，考虑起源信息和数据本身之间的关联关系以及起源信息内部结构特点，提出了一种基于双层索引结构的起源图查询方法。首先，面向起源图查询，提出了一种包括基于词典表全局索引和基于位图局部索引的双层索引结构，全局索引用于查询起源图所存储的服务器节点，局部索引用于对全局索引查询到的服务器节点细化查询；然后，基于双层索引结构，设计了一种起源图查询方法，针对6种选择索引和3种join链接索引实现了查询算法。实验结果表明，所提方法既提高了查询效率，又降低了内存资源的浪费。

针对目前微博新词发现算法中的数据稀疏、可移植性较差以及缺乏对多字词（大于三字）识别的问题，提出了基于改进互信息（MI）和邻接熵（BE）的微博新词发现算法——MBN-Gram。首先，利用 N元递增算法（N-Gram）提取新词的候选项，对提取出来的候选新词使用频率和停用字等规则进行过滤；接着再利用改进MI和BE对候选项进行扩展及再过滤；最后，结合相应词典进行筛选，从而得到新词。通过理论及实验分析，MBN-Gram算法在准确率、召回率及 F值上均有一定提高。实验结果表明，MBN-Gram算法是有效可行的。

在保护数据隐私的匿名技术中，为解决匿名安全性不足的问题，即匿名过程中因计算等价类质心遭受同质性和背景知识攻击造成的隐私泄漏，提出了一种基于差分隐私的数据匿名化隐私保护方法，构建了基于差分隐私的数据匿名化隐私保护模型；在利用微聚集MDAV算法划分相似等价类并在匿名属性过程中引入SuLQ框架设计得到 ε-MDAV算法，同时选用Laplace实现机制合理控制隐私保护预算。通过对比不同隐私保护预算下可用性和安全性的变化，验证了该方法可以在保证数据高可用性的前提下有效地提升数据的安全性能。

随着数据流的广泛运用,数据流中异常数据的检测问题也引起了更多的关注.现有的卡尔曼滤波算法需要的历史数据量虽然小,但只适用于单个异常点的检测,对于复杂连续的异常值检测效果较差.针对这个问题,提出一种水文传感器分级标注模型,并在此基础上提出一种基于多维影响因子的卡尔曼滤波算法,加入空间、时间、起源三个维度的影响因子,在天气和汛期等影响因素改变时,对系统模型的控制参数进行适当调整,并且对测量噪声进行更加准确的估计,提高异常检测的准确性.实验结果证明,所提算法在保证运行时间相近的前提下,检测的错误率远低于基于遗忘因子的卡尔曼(AKF)算法和基于小波的卡尔曼(WKF)算法.