研究不确定图数据的挖掘,主要解决不确定图数据上紧密子图挖掘问题.基于加权不确定图数据模型,使用子图期望密度和顶点期望度数来度量子图的紧密程度.给出贪心迭代中期望峰值的特性,利用期望峰值的特性来改进算法执行过程,其结果满足2近似比的同时使得算法具有较高的执行效率.并且严格证明了算法的正确性.带顶点限制的紧密子图挖掘问题是NP难的,改进后的带顶点限制的紧密子图挖掘算法较其它方法更高效快速.

大多数电子商务系统采用协同过滤的方法向用户推荐不同类别的商品.分析发现，相似用户对相关类别商品的喜好程度类似（称之跨类关联）.因此，推荐时应同时考虑用户之间和商品之间的关联度.实际应用中，商品类别通常组织成多级目录，能够体现不同商品之间的层次关系.由于低层类别商品少，而高层类别商品多，因此不同层类别的数据稀疏度不同.为缓解现有推荐算法数据稀疏问题，本文提出一个高效多层挖掘算法，挖掘不同类别层次上用户商品/类别的关联度.为提高推荐性能， 还提出一个基于层次聚簇的跨类推荐通用框架，此模型扩展现有协同过滤算法.在真实数据集上的实验表明，本文提出的算法具有较高的准确率和效率.

随着云计算的蓬勃发展，越来越多的企业和个人将他们的存储和计算需求付诸于云端.然而云计算的安全仍不容忽视，是当前的一个研究热点.对近年来云计算安全相关的研究成果进行总结，主要集中于数据安全，身份认证以及访问控制策略方面.也介绍了与可信计算技术相结合的云计算安全的相关研究框架和项目.根据这些研究成果，认为将可信计算与云计算思想相结合，建立"可信云计算"是未来云计算安全研究的一个重要方向.并且在最后提出了"可信云计算"发展的几个可能的研究主题.

为了克服人工蜂群算法在求解函数优化问题中所存在的收敛精度低、收敛速度慢的缺点，提出一种高效的求解函数优化问题的人工蜂群算法．该算法将细菌觅食优化算法中的趋向性操作引入到跟随蜂的局部搜索策略中，并且跟随蜂在雇佣蜂逐维变异后的当前最优解周围进行局部搜索，从而提高了人工蜂群算法的局部搜索能力．6个标准测试函数的仿真实验结果表明，与基本人工蜂群算法相比，改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高．

系统介绍数据溯源的定义，并从数据溯源的方法、模型和应用等三个方面进行了总结.概述了7种数据溯源模型：流溯源信息模型、时间-值中心溯源模型、四维溯源模型、开放的数据溯源模型OPM、Provenir数据溯源模型、数据溯源安全模型和PrInt数据溯源模型，总结出异构数据的溯源模型.并对目前最为广泛的几种溯源方法进行分析和比较，在此基础上，为达到节省存储空间的目的，提出标注信息列存储的思想.本文分别从数据库领域、工作流领域和其它应用领域三个方面描述了数据溯源的应用，并结合典型的实例加以说明.最后展望了数据溯源的研究热点以及发展方向.

协同过滤是最流行的推荐算法之一，已经成功地应用在很多推荐系统中，而隐语义模型就是协同过滤的典型代表.隐语义模型的核心思想是通过隐类联系用户兴趣和物品，通过矩阵分解技术建立用户和隐类之间的关系，隐类和物品之间的关系，最终得到用户对物品的偏好关系，从而个性化地对用户进行物品的推荐.但是，数据稀疏性和冷启动是协同过滤面临的最大挑战，幸运的是，伴随着社交网络的异军突起，很多学者已经将社交特征数据信息(比如标签、社交等)融入隐语义模型之中来解决协同过滤面临的问题.本文综述了近些年来基于隐语义模型的推荐算法研究成果，总结了常见的基于隐语义模型的推荐算法拓扑结构，并给出了未来的研究方向.

人机交互中，最自然、最理想的交流莫过于通过人的声音进行交流．这其中主要涉及到了语音合成，即文本转换为语音的技术．本文的目的在于提供一个对语音合成发展简明深刻的介绍，并提出发展中的问题和解决方案，使刚进入这个领域的研究人员能够站在巨人的肩膀上，对语音合成有个清晰深刻的认识，并对自己即将展开的工作有个正确的判断．文章首先总体上介绍语音合成已存在的，主流有效的方法，阐述方法的主要思想和优劣势，在此基础上启迪新想法新思路．后分别说明近几年国内外研究人员在语音合成工作上所做的努力，客观评判与分析合成技术改进中的得与失，划出合成技术近年的发展趋势．最后，得到语音合成技术的展望，指出发展的瓶颈并给出解决的方向．

相变存储器（PCM）是一种高密度的新型存储器件，其数据读取性能与现有动态随机存储器（DRAM）相当且具有低功耗和按位寻址的特性，具备了替代DRAM的潜力，特别是应用在能量受限的移动计算系统中更能发挥优势.但是PCM在延迟和功耗方面存在读写不对称性，访问延迟大，写入功耗高且使用寿命受限.如何充分利用这一新型存储技术，通过存储结构的创新来实现计算机系统访存高性能和低功耗的目的，是研究的热点和重点.本文重点针对PCM的这些问题，提出了一种基于访存行为地址重映射机制MARM的PCM-DRAM混合内存系统.该内存系统将PCM和DRAM置于同一地址空间，以实时监测到的物理内存访问为基本依据，利用内存系统的物理地址重映射机制实现对PCM和DRAM物理页面的有效管理.实验表明，与传统的DRAM内存系统相比，基于MARM管理策略的PCM-DRAM混合内存系统可实现32%的功耗延时积收益.

作为一种有效而可靠的三维重建和主动测量手段，结构光三维视觉技术得到越来越多的关注.在结构光三维视觉系统中，编码方法关系到投影图案与摄取的投影图像中对应点匹配的精度和速度，是快速准确地获取三维场景信息的关键.文中首先简要介绍了编码结构光三维视觉的基本原理，并对近年来国内外提出的各种结构光编码方法进行了总体回顾.通过分类比较，分析了各种方法的优点和局限性.对今后编码方法的研究方向进行了展望.

许多图像分类问题具有类内相似而类间差异的特点，然而花卉图像的分类往往存在着类间相似和类内差异的现象，因此，基于传统人工设计的图像特征进行花卉图像分类效果一般不够理想.针对这个问题，本文提出融合深度特征和人工特征的花卉图像特征提取方法并在此基础上实现花卉图像的分类.首先构建基于卷积神经网络CNN的特征提取框架，然后利用 CNN 模型从颜色、亮度多特征角度提取目标对象特征，并利用 CNN 低层级上的特征图设计了一种基于卷积神经网络的纹理特征，最后将上述多个特征与传统的人工设计图像特征经过融合得到一组花卉图像特征. 分类实验结果表明，本文提取的融合特征不仅维度低于传统的人工设计特征，而且具有更好的分类准确性.

随着Web2.0时代的到来，网络已逐渐成为反映社会舆情的重要载体之一，网络舆情发现及网民的观点和倾向性挖掘也成为新的研究热点，但是目前尚无有效反应网民对热点事件或话题总体态度的舆情分析系统.本文针对网民关于话题评论简单、数目众多的特点，应用HowNet和NTUSD两种资源对现有情感词典进行扩展，建立了一个新的、具有倾向程度的情感词典.基于扩展的情感词典，开发了一个半自动化网络舆情分析系统.该系统能够为用户提供更加细致、准确的评论倾向性分析结果

为了研究传统目标检测算法在进行道路小目标检测时效果不佳及漏检率较高等问题,本文提出了一种基于改进YOLOv3的小目标检测方法.首先通过设计新的特征融合结构降低小目标漏检率,并且使用DIOU损失提高定位精确度.同时对YOLOv3算法中的聚类算法进行改进,采用K-means++算法改进聚类先验框中心点的提取,选取更为合适的Anchor Box,用于提高检测的平均精度和速度.在自制混合数据集上对行人及车辆进行对比检测,在不影响检测速度的情况下,改进的YOLOv3算法能够有效降低小目标物体漏检率,并且提高了检测精度.根据实验结果,本文所提出的改进YOLOv3模型在混合数据集上的平均精度达到92.82%,与未改进的YOLOv3算法相比提高了2.77%.

广泛且持久的业务运作造就了业务大数据背景，大量的业务运作历史记录信息可被利用，互联网时期企业唾手可得的运行日志和参考流程模型给当今企业流程建模带来了新的机遇.如何利用这些机遇尚缺乏有效的支撑技术，流程挖掘和流程检索仅可靠单一的来源、静态的标准、全局化粒度缓解上述矛盾，且不能体现流程设计这种活动创造性本质.提出一种用平均感知机综合历史执行日志和参考模型片段的设计时模型推荐方法.其特点是兼顾了日志数据和流程模型，并将设计这种人类所特有的创造性和对现实环境的适应性结合进流程建模过程中.在三个不同类型的数据集上的实验表明，本方法具有更好的人类行为贴近度：真实的生物信息学实验流程（实验准确度53.69%）、相关工作对比数据集（+42.35%）、ProM仿真工具PLG生成的大规模数据（比只考虑流程时+9.46%,比只考虑日志时+5.94%），证实了通过抽取多重特征的平均感知机的流程设计时即时推荐技术可有效地辅助流程业务建模.

针对目前网络热点新闻话题中存在的难以区分一个话题下的多个子话题现象，提出一种基于LDA模型的子话题划分方法.首先应用LDA模型对新闻文档进行建模，采用贝叶斯标准方法确定最优主题个数，使LDA模型拟合文档性能达到最佳；其次针对子话题间文本相似度较高的特点，引入主题特征词相关性分析，采用改进的KL距离公式，计算新闻文档之间相似度，有效区分了文档内容相似但话题重点不同的报道；最后通过single-pass增量聚类算法进行文档聚类，实现子话题划分.实验验证了改进后的相似度计算方法的有效性，实验结果表明该方法能够有效地提高热点新闻话题子话题划分的准确率.

目前，大多数公开的文本分类数据集是相对平衡的，但对于真实文本分布来说，通常会出现类别极端不平衡的情况，这样的数据集会对模型训练产生影响.针对该问题，论文提出了一种基于卷积神经网络和注意力机制的文本分类算法—AM-CNN（Convolutional Neural Network with Attention Mechanism）.算法利用循环神经网络捕捉文本的上下文信息，通过引入注意力机制得到文本类别的特征向量矩阵后运用卷积神经网络模型完成文本的分类，以降低在文本分类的训练过程中对小类别的不公平.实验结果表明，该算法对于提高文本分类的精度有较显著的效果.

近年来,机器学习算法广泛应用于多个领域.超参数的选择直接影响了算法模型的性能,然而超参数优化过程往往依赖于专业知识和长期经验的积累.为了解决上述问题,本文提出了一种基于强化学习的自动超参数优化方法.该方法将超参数优化问题作为序列决策问题并建模为马尔科夫决策过程,通过使用一个强化学习智能体(agent),自动为机器学习算法选择超参数.该智能体以最大化待优化模型在验证数据集上的准确率为目标,将模型在验证数据集上的准确率作为奖赏值(reward),通过策略梯度算法训练智能体.为了减小训练过程中的方差,我们设计了数据引导池模块.实验将随机森林和XGBoost算法作为优化对象,在五个数据集上与随机搜索、贝叶斯优化、TPE、CM-AES和SMAC五种优化方法进行了对比.实验结果显示,本文所提出的方法在90%的优化任务上表现出更优的性能.同时,我们通过执行一系列消融实验验证了agent结构和数据引导池的有效性.

海量的医疗数据不仅蕴含巨大价值，也隐含大量的个人隐私.针对医疗数据的信息安全问题，本文提出一种基于区块链的全同态医疗数据安全共享方案，在去中心化网络中可对密文状态的医疗数据进行计算和应用.通过区块链技术和全同态加密技术结合，首先将中心化网络中的医疗机构、患者和第三方的数据处理中心等中心化节点映射在区块链网络中实现去中心化达到各节点完全信任.然后通过智能合约调用全同态加密算法实现在共享双方间只有密文数据传输并且可以进行密文计算.最终实现在不影响医疗大数据分析和实际应用的情况下，确保个人数据的隐私安全、数据授权分发和安全传输的目标.

目前，能够对航空航天、核电等领域中复杂嵌入式系统安全关键软件功能建模和故障分析的方法尚未得到统一；致使功能模型分析中缺乏安全属性来源，故障分析得到的危害无法在功能设计中得到避免．状态事件故障树是一种适合描述复杂系统中功能失效因果关系的建模技术，统一了功能建模和故障分析；但是，由于其缺乏精确语义，难以直接进行软件的安全性分析．为此，提出一种基于状态事件故障树的软件安全性分析方法：首先，通过元素映射以及逻辑门转换，将状态事件故障树扩展为附加故障语义信息的故障状态机；然后，将故障状态机转换到时间自动机；最后，在模型检测工具UPPAAL下进行安全性测试反例分析．本文使用燃气灶控制系统的实例进行分析．

云计算可以快速提升企业能力，并且不需要花费巨资增加新基础设施、培训新员工或取得新软件的许可证等．因此只用了短短几年，云计算就从商业概念发展成IT企业中快速发展的业务之一．尽管如此，目前大多数企业用户还是不愿意将其核心业务部署到云上，主要原因就是信任缺失问题，表现为：在云计算环境下用户失去了数据控制权；云服务器缺乏透明性；云服务提供商给出的安全保证是不清晰的等．因此为了增强用户对云计算的信心，信任机制应运而生，成为研究热点．本文对目前云环境下的信任机制进行了综述．将这些方法大致分为五类：基于声誉的、基于SLA的、基于审计的、基于互联云的和基于加密的信任机制．着重从以下几个方面进行分析：给出了每种机制的通用框架和一般工作过程；评价了每种机制中主要文献的优点和缺点；对比分析了每种机制下的不同方法；然后，给出了这五种机制分别满足的信任和安全属性；最后对全文进行总结，并分别给出了五种机制将来研究方向．

传统特征选择方法大部分是以分布均衡的数据为研究对象，以优化总体分类精度为基本目标，所以很少有方法在不平衡数据集上得到理想的学习效果.依据数据的分布特点，提出一种新的面向不平衡数据集的特征选择方法.该方法在无监督环境下，依据聚类簇大小的变化以通过在不同簇的相同特征上对其特征重要性度量函数分配不同的权重来调整数据分布的不均衡性.在多个UCI不平衡数据集上的实验结果表明，相比于其它几种经典的特征选择方法，所提出的方法在不降低总体分类精度的情况下，不仅可以有效选择更少的特征数目，而且还可以提高少数类在不同分类器上的分类精度、召回率及F-Measure值.

生物医学命名实体识别是生物医学信息抽取的前提．目前实体识别大多采用机器学习的方法,依靠人工根据领域知识和经验制定特征,需要反复实验进行相应的特征选择,并且这些特征很少使用深层次的语义信息．为了探究语义信息对命名实体识别的影响,本文尝试在大规模未标注数据上进行训练,自动获得语义信息,得到三种词表示方法：词向量、基于词向量的聚类和布朗聚类．将其作为CRF和SVM的特征进行半监督学习,并在相同条件下进行对比实验．实验结果表明,词表示方法能有效地学习到潜在的语义信息,从而提高现有基于机器学习系统的性能．在未利用词典等任何外部资源的情况下,公共评测语料BioCreative II GM上的实验结果为：精确率、召回率、F值分别达到9124％、8580％、8844％．

随着互联网上Web服务数量的增多，服务的QoS开始成为用户在选择服务时关注的焦点.为了有效获取服务的QoS信息以便向用户推荐高质量的服务，提出一种用户位置感知的Web服务QoS预测方法--UL-WSRec.利用一些QoS属性受用户位置影响的事实和同一个自治系统中的用户在位置上邻近的特点，根据自治系统来计算用户位置和划分相似用户.在传统的协同过滤算法基础上，利用用户位置信息提出了改进的算法，以提高服务QoS预测的效率和精度.基于真实Web服务数据的实验表明了该方法的有效性.

恶意代码反分析与分析技术一直都是计算机安全领域的对抗焦点．恶意代码通过反静态分析和反动态分析两个方面对自身进行保护：反静态分析使用加壳和代码混淆的方法，对反汇编和控制流识别进行干扰；反动态分析检测系统运行环境信息，实现对调试器、虚拟机的反跟踪．与此相对应，分析者和反病毒软件使用脱壳、反混淆及虚拟机技术避免反分析技术的干扰．论文深入分析与总结了各种恶意代码反分析技术的实现原理，及与之相对的分析技术，探讨了这些技术的优缺点与适用性，为恶意代码分析技术的发展提供了一些思路和技术方向．

随着深度学习的发展,卷积神经网络在目标检测中取得了一系列研究成果.相比基于人工特征构造的传统的目标检测算法,基于深层卷积神经网络的算法具有特征自动提取,泛化能力强的优点,有较好的鲁棒性.本文首先介绍了卷积神经网络在目标检测基础任务图像分类上的进展,然后按照目标检测算法评价指标、算法框架以及公共数据集三个方面重点分析和比较近年来基于深度学习模型的目标检测算法的研究情况,最后对目标检测算法未来的发展进行展望.

近年来，大数据处理的相关理论以及技术越来越受到工业界和学术界的重视．一方面，在科学研究过程中产生了大量的数据，对于数据的理解成为进行科学研究的一个重要手段．另一方面，随着信息技术的不断发展，企业在信息化过程中积累了大量的结构化和非结构化数据．企业管理与运营的这些数据已经成为企业的核心资产，深刻地影响着企业的业务模式，给企业决策、组织和业务流程带来显著的变化．因此，大数据处理的相关技术也受到工业界的极大关注．依据数据处理的时间特征，大数据处理模式可以分为“离线批处理式数据处理”，“查询式数据处理”以及“实时式数据处理”三种模式．本文从技术角度，总结了大数据处理的总体架构，并针对处理模式的不同，对大数据处理的不同层次进行展开讨论．大数据处理的基础是数据的存储，本文首先对大数据的存储展开一定的讨论，之后对上述三种模式展开叙述，使得读者能够对大数据系统的构建方面有一个初步的了解．

知识图谱是在大数据时代背景下产生的一种新型知识表示方式和数据管理模式.学习和推理是知识图谱应用研究的核心内容之一，主要任务是链接预测、实体解析和基于聚类的链接等，它能够进一步完善知识图谱，并解决问题回答和信息检索等领域问题，因此，学习和推理的算法研究具有十分重要的意义.国内知识图谱研究和应用正处于开展阶段，学习和推理算法的中文文献相对较少，针对当前知识图谱的学习和推理算法进行了归纳总结和介绍，比较各种算法的优缺点，同时对当前研究中所面临的一些主要问题及发展方向进行了探讨.

符号执行技术以其良好的精确度控制被广泛应用于程序分析领域,它将程序中变量的值用抽象的符号表示,模拟真实的程序执行.由于其路径敏感,在分析过程中会带来严重的状态爆炸问题.提出针对缺陷的程序切片方法来缓解这一问题,首先根据用户关心的缺陷生成源程序的切片准则,然后分析源代码生成数据依赖图和控制依赖图,由两者构成程序依赖图,再根据切片准则做程序切片,将源程序规模缩小,最后将切片后的程序交给程序分析工具分析.在符号执行分析工具ShapeChecker上的实验结果表明,提出的方法具有良好的效果.

传统基于角色的访问控制（RBAC）不能很好地解决多方访问控制下信任等级的细粒度区分.本文对多种角色访问控制模型及属性特征进行了研究，提出基于属性策略的RBAC模型，对模型进行了形式化定义.在基于属性策略的RBAC模型中，扩展了RBAC中角色的概念，对角色的属性进行了定义并提供基于属性策略的验证方式，进而给出了多方精确访问控制的实现，提高了访问控制的灵活性和对数据对象粒度控制的精确性.在云计算平台上，设计并实现了SaaS模式下的细粒度对象管理服务，实验验证了该模型对动态权限变化的适应能力及多方访问的权限控制能力.

近年来，涌现了很多高质量大规模的知识库，基于知识库的问答系统（Knowledge Base Question Answering，KBQA）随着知识库的发展而得到了快速发展.知识库问答系统通过对自然语言问句进行理解和解析，进而利用知识库中的事实来回答自然语言问题，使用户在不了解知识库数据结构的情况下快速、精准的得到有价值的知识或答案.本文对知识库问答系统的研究方法进行了详细介绍并对目前的研究进展进行了总结，包括基于模板的方法、基于语义解析的方法和基于深度学习的方法.通过对这些研究方法进行对比，指出了各方法中存在的问题和不足，进而对知识库问答系统所面临的问题和挑战进行了总结.

依据网民关系网络拓扑的小世界效应特性，提出网民观点的倾向度转换规则，在网络舆情网民关系小世界网络矩阵表示的基础上，构建基于小世界效应的网络舆情演化迁移元胞模型，运用该模型分析网络舆情演化，产生了倾向度转换图、粗细粒度倾向度曲线的仿真结果.通过对试验仿真结果的分析，揭示了网络舆情演化的观点极分化和观点漂移的现象，分析了“核心”区域漂移现象和倾向度曲线多波峰现象的成因，仿真结果表明该模型能较好拟合网络舆情演化的规律.本研究对网络监察部门和新闻管理部门的管理提供了一定的理论依据.

随着物联网技术的进步,物联网结构变得日益复杂,采集的数据量呈现爆发式增长,如何在不同的参与方间安全地共享数据成为了一个巨大的挑战.传统的数据共享模型往往依赖于可信的第三方中心化机构,但这种方案易发生单点故障,对参与方不透明,数据可能遭到篡改.本文利用区块链能够去中心解决信任问题这一特点,提出一种基于区块链的物联网数据共享模型.本文首先分析了现有的物联网数据共享模型以及Hyperledger Fabric区块链平台的关键组件,然后介绍了本文所述模型的网关组成方式和数据存储到区块链账本的内容,并对安全性和数据隐私性提出了增强改进设计方法,最后分析了模型的安全和可用性,通过测试简化模型的性能证明了模型实施的可行性.

作为个性化服务的基础和核心，用户建模的质量直接关系到个性化服务的质量.文章将用户建模的过程分为5个关键模块：输入、输出、建模时间、建模的对象、建模算法，并围绕这5个方面，对用户建模当前的研究现状、所面临的关键议题进行了系统的论述.其中，输入模块为用户模型的建立提供了必要的数据源，输出模块则描述用户模型的表示方式，建模时间描述了建模的时间长度和更新方式，建模的对象描述了对谁进行建模，建模算法则描述了几种典型的建模方法.最后对用户建模的技术发展进行了展望.

为了解决虚拟内镜手术中软体组织切割模拟仿真问题，论述并实现了虚拟手术中软组织切割仿真技术.使用四面体网格模型，利用刀具移动简化模型，构造用于切割操作的切割树，设计了通过划分切割区域，复制和移动顶点，在实现切割分裂时，减少网格单元结构数量增加的切割分裂和切割细化算法.通过仿真实验，文中算法的耗时与切割长度程线性关系；使用该算法实施切割后，网格结构中单元结构数量的增加相比传统的算法有明显减少.

针对现实购物场景中存在的用户偏好多样性且兴趣动态变化的问题,本文提出一种融合上下文信息的序列推荐模型（DeepSeq）,通过嵌入用户提供的反馈信息深入挖掘用户的长短期潜在兴趣,有效解决了传统推荐系统无法模拟用户兴趣进化的问题.该文以真实的电商网站数据为背景,首先,利用历史行为数据和项目辅助信息融合构造长短期会话序列并融合上下文信息,提出兴趣衰减因子反应用户偏好变化.其次,基于文本卷积模型（TextCNN）训练得出序列向量表示,并通过多头注意力机制抽取用户项目序列潜在向量;最后,将用户交叉辅助信息和潜在行为特征组合向量输入到多层感知机,建立基于序列的推荐模型.实验结果表明,在行为序列中融合兴趣衰减因子和项目辅助信息,均有效提高了模型的准确率.此外，DeepSeq相对于传统的推荐模型在评价指标RMSE上至少降低了0.21%,并且在GAUC评价指标上提升值均超过了0.59%.

近几年来，大数据的浪潮席卷全球，这给信息科学带来了新的挑战和机遇.传统的工具逐渐难以满足目前企业的需求，如何有效地存储与分析大规模的数据，是当今研究的热点与重点. 首先阐述大数据的基本概念、4V 特征，介绍了大数据的生命周期，并列举了几种数据处理模式与数据结构.文中归纳总结了目前针对大数据分析的硬件支持，介绍了几种典型的大数据分析的系统技术，例如Hadoop、Spark、Storm、Petuum等，并对这些典型的系统技术进行了对比分析.最后简述了大数据分析在政府、教育、交通、医疗中的典型应用.

体域网技术是无线传感器网络研究的一个重要应用方向，在远程医疗、健康监护等领域有着广阔的应用前景，该技术的应用对解决看病难看病贵等问题和应对人口老龄化问题方面有着重要的实际意义.对体域网技术进行了详细的阐述，给出了体域网技术的概念和应用领域.然后，并根据现有的研究总结给出了一个面向医护领域的典型的体域网体系结构.从无线通信、介质访问控制、安全等几个体域网重点研究方向，讨论了当前体域网研究的热点.最后，给出总结并作出展望.

随着互联网应用的发展和云计算的兴起，在线图片、音频、视频以及微博等服务逐渐广泛发展，这些应用展示了与传统应用截然不同的数据访问和存储模式.数据中心内每秒钟都有大量较小文件的生成、分析和返回，这些应用对高并发海量文件的高吞吐、低延迟读写提出了新的挑战.提出基于分布式表存储的全新的分布式文件系统HVFS来管理数以十亿计的文件，并同时支持高吞吐和低延迟的文件访问.HVFS通过改进分布式可扩展哈希来管理元数据、日志结构的格式和列存储来利用时空局部性.本文描述了HVFS的设计和实现并进行了中等规模的实验.实验显示HVFS的表存储结构能够线性的扩展，并在82个结点上提供超过240,000次/秒、100,000次/秒的数据(《1KB)写和读；基于FUSE的实现在32个节点上提供超过180,000个/秒的文件创建速度.

随着互联网技术的迅猛发展，隐私保护已成为个人或机构关心的基本问题，各种数据挖掘工具的出现使得隐私泄露问题日益突出.通常移除标识符的方式发布数据是无法阻止隐私泄露的，攻击者仍然可以通过链接操作以很高的概率来获取用户的隐私数据.匿名化是目前数据发布环境下实现隐私保护的主要技术之一.论文简要介绍了匿名化技术的相关概念和基本原理，主要从匿名化原则、匿名化方法和匿名化度量等方面对匿名化技术研究现状进行了深入分析和总结，最后指出匿名化技术的研究难点以及未来的研究方向.

强制访问控制是保护数据库管理系统安全的有效机制.DMOSMAC是一个依赖于安全操作系统实现强制访问控制机制的数据库管理系统.在分析该系统实现的基础上，对该系统进行了形式化分析.给出了信息流的概念，将信息流集合作为被验证系统状态的一部分.信息流集合始终是一个递增的集合，利用信息集合流可防止删除等操作的证明被绕过的可能,保证验证过程的严密性.在信息流的基础上提出了一种对系统代码进行抽象、抽取的形式化分析方法.即抽象DMOSMAC系统状态，从源代码中提取操作规则，将BLP模型中的状态、访问规则分别与DMOSMAC系统的状态、操作规则建立映射关系，BLP模型中简单安全性和*-特性转换为面向信息流的状态不变式，继承BLP模型的相关安全公理和定理进行分析和证明；最后用定理证明器COQ进行安全性证明的方法.

传统的金融时间序列预测方法以精确的输入数据为研究对象，在建立回归模型的基础上做单步或多步预测，预测结果是一个或多个具体的值.由于金融市场的复杂性，传统的预测方法可靠度较低.提出将金融时间序列模糊信息粒化成一个模糊粒子序列，运用支持向量机对模糊粒子的上下界进行回归，然后应用回归所得到的模型分别对上下界进行单步预测，从而将预测的结果限定在一个范围之内.这是一种全新的思路.以上证指数周收盘指数为实验数据，实验结果表明了这种方法的有效性.