针对社会协同计算带来的不可靠性和社会网络所固有的大规模性问题，提出了支持社会协同计算的跨组织工作流任务分派优化算法.首先，采用了基于工作流任务子网分层的优化模型，将复杂社会网络图进行有效地划分，从而简化了社会网络成员的协作关系评估问题；然后，根据划分后网络的拓扑特征，设计了一种基于工作流任务子网连接点的快速介数中心性计算方法，以高效地选取跨组织业务项目的领导者；最后，采用基于任务子网划分的最短路径近似算法，实现了快速查找跨组织业务过程的协作成员；并且，理论证明了支持社会协同计算的工作流分派算法的可行性.实验结果表明所提算法大幅降低了社会协同计算的复杂性，保证了较高的准确性，解决了工作流任务成员之间的关系评价和人工团队组合优化的时效性问题，为社会协同计算的任务分派提供了一种新的思路.

相似语义工作流检索是语义工作流重用的首要任务.现有的相似语义工作流检索方法仅关注结构特征，忽略了行为特征，影响了检索到的相似语义工作流的整体质量，提高了语义工作流重用的代价.为此，提出一种结合行为和结构特征的2阶段相似语义工作流检索算法.使用任务紧邻关系集表达语义工作流的执行行为，结合领域知识构造语义工作流库的任务紧邻关系树索引和数据索引.针对查询语义工作流，先基于任务紧邻关系树索引和数据索引进行过滤得到候选语义工作流集;然后使用图匹配相似性算法对候选语义工作流集进行验证，得到排序的候选语义工作流集.实验结果表明，较主流的语义工作流检索算法，该方法的检索性能有较大提升，可以为工作流重用提供更高质量的语义工作流.

业务过程协同允许组织之间彼此进行通信、交互和协作以完成特定的业务目标.为了确保实施的正确性和一致性，需要对业务过程协同进行建模和分析.针对从私有过程(组织所拥有的完整流程)中抽取公共过程(组织参与协同的流程)以构建业务过程协同，首先定义业务过程模型以表示组织的私有过程，该模型由内部视图和公共视图组合而成，且内部视图是自由选择网结构；进而将业务过程模型抽象为4种基本块，即顺序块、选择块、并发块及迭代块；针对这4种基本块提出各自的抽取规则集以获得组织的公共过程，并从理论上证明了这些规则集能够保持协同中接口一致性，从而确保了每一次抽取是上下文无关的.通过对协同制造中供应链进行建模并与现有的、典型的方法进行对比分析，结果表明：相对于已有的工作，在考虑隐私保护原则的情况下，所提方法能够更加有效地对业务过程协同进行建模和分析.

移动云计算技术可帮助移动用户在执行工作流任务时将一些任务迁移至云端服务器执行，从而节省移动设备的电池能耗，并提高计算能力.传统研究工作在进行移动云计算环境中的任务调度时缺乏对能耗和运行时间的联合优化.为了实现有效的任务调度，基于工作流图中任务执行的先后关系，分析了采用动态电压频率调节技术的移动设备处理器执行工作流任务的运行时间与能耗，并考虑了将任务通过无线信道迁移到云端服务器执行所需的时间，给出了能耗与执行时间联合优化的任务调度模型和目标方程.提出基于模拟退火算法的任务调度方法，分析了算法时间复杂度，进行了系统性的对比实验，评估了所提出方法的正确性和有效性.

符合性检测方法作为比较和关联事件日志与流程模型的技术，是三大核心流程挖掘技术之一，可用于量化符合性和诊断偏差.BPMN 2.0模型具有丰富的表达能力，能够表达多实例、子流程、边界事件、OR网关等多种复杂模式，但是目前还没有针对这些复杂模式的BPMN 2.0模型符合性检测算法.针对该问题，提出了基于对齐的BPMN 2.0模型符合性检测算法Acorn，该算法支持上述多种复杂模式.在深入分析BPMN 2.0模型中多种复杂模式的具体语义并分析其具体使能情况的基础上，Acorn算法引入对齐操作，利用A\+*搜索算法寻找到代价最小的匹配轨迹，同时引入虚拟代价和预估代价来对A\+*算法进行搜索空间的优化，最后根据最佳匹配轨迹来计算模型与日志的契合度.实验表明，Acorn算法能够正确有效地计算带有复杂模式的BPMN 2.0模型与日志之间的契合度，且虚拟代价和预估代价的引入，大大减少了搜索空间，有效提高了算法的运行速度.

二进制翻译是实现软件移植的主要方法.动态二进制翻译受动态执行限制而不能深度优化导致效率较低而传统的静态二进制翻译难以处理间接分支，且现有的优化方法大部分集中在中间代码层，对目标码中存在的大量冗余指令较少关注.针对这一现状，提出一种静态二进制翻译框架SQEMU，基于该框架提出了一种对目标码冗余指令进行删除的优化算法.该算法通过分析目标码生成指令特定数据依赖图(instruction-specific data dependence graph, IDDG)，再利用该图将活性分析和窥孔优化的2种理论相结合，有效删除目标码中的冗余指令.实验结果表明，利用该算法对目标码优化后，其执行效率得到显著提升，最大提升可达42%，整体性能测试表明，优化后nbench测试集翻译效率提高约20%，SPEC CINT2006测试集翻译效率提高约17%.

随着云计算、物联网等技术的兴起，流数据作为一种新型的大数据形态广泛存在于电信、互联网、金融等领域.与传统静态数据相比，大数据环境下的流数据具有快速、连续和随时间变化等特点.同时数据流的隐含分布变化会带来概念漂移问题.为了适应大数据环境下流数据分类算法的要求，必须对传统的静态离线数据分类算法进行改进，提出基于分布式计算平台Storm的P-HT并行化算法.算法在满足Storm流处理平台要求基础上，通过滑动窗口机制、替代子树机制和并行化处理，提高了算法的灵活性和通用性，并且能良好地适应数据流的概念漂移.最后通过实验验证该算法的有效性和高效性，结果表明在与传统C4.5算法相比精度没有降低的情况下，改进的P-HT算法具有更大的吞吐量和更快的处理速度.

随着动车组运营时间和运营里程的增长，动车组运维系统积累了大量的数据.利用高效的关联规则挖掘算法从动车组运维数据中快速发现有用的信息，对于提高动车组关键部件运维效率具有重要意义.针对动车组运维数据的数据量巨大、价值密度低的特点，设计一种基于近似最小完美Hash函数的AMPHP(approximate minimum perfect hashing and pruning)算法，相较于传统的直接Hash和修剪(direct hashing and pruning, DHP)算法，它可以过滤掉所有的非频繁项集，无需额外的数据库扫描.为了突破单机算法的性能限制，借鉴SON算法思想对AMPHP算法进行并行化改进，提出AMPHP-SON算法，进一步提高算法性能.使用实际的动车组牵引电机运维数据进行测试分析，实验结果表明，AMPHP-SON算法具有很好的时间性能，且挖掘出的规则可以有效地指导动车组修程修制优化，从而达到提高动车组运维效率的目的.

随着社交网络的流行，对其进行频繁子图挖掘的需求越来越强烈.大数据时代的到来，社交网络规模不断扩大，频繁子图挖掘工作变得愈发困难.在实际应用中，往往并不需要精确地挖掘出频繁子图，采样的方法在保证一定准确率的前提下能够显著提高频繁子图挖掘的效率.现有采样算法大多是根据节点的度进行采样，不适用于频繁子图挖掘.提出了一种基于频繁边的采样算法DIMSARI(distributed Monte Carlo sampling algorithm based on random jump and graph induction)，在蒙特卡罗算法的基础上增加了根据频繁边进行随机跳的操作，并对其结果进行了图感应操作，进一步增加了算法的准确性，并在理论上证明了该方法的无偏性.实验结果显示:使用DIMSARI算法采样后进行频繁子图挖掘，准确性比现有其他的采样算法有较大的提高，在不同的采样率下采样后的子图的节点度都保持更小的归一化均方偏差.

属性效应在现实生活中广泛存在，如果不加以控制，将会严重影响回归学习的性能.针对大规模数据属性效应控制的非线性回归学习问题，提出了快速等均值核心向量回归机(fast equal mean-core vector regression, FEM-CVR).首先基于间隔最大化目标学习准则，通过施加等均值约束条件，提出了等均值支持向量回归机(equal mean-support vector regression, EM-SVR).在此基础上，证明了EM-SVR等价于一个中心约束最小包含球(center constrained-minimum enclosing ball, CC-MEB)问题，然后通过引入近似最小包含球理论，得到原始输入数据集的压缩集即核心集(core set)，进一步提出了针对大规模数据属性效应控制的最小包含球快速非线性回归学习方法FEM-CVR，并从理论上对相关性质进行了深入分析.实验表明:该方法能够快速处理针对大规模数据属性效应控制的非线性回归学习问题，具有较好的泛化能力，并且其时间复杂度上限与数据集大小无关，仅与最小包含球近似参数ε有关.

车载自组织网络(vehicle ad hoc network, VANET)作为智慧城市的重要组成部分，它需要为车辆安全、便捷交通及舒适驾驶提供众多的服务.目前针对车联网中服务发现的研究主要集中在服务发现质量和服务发现延时，但是随着VANET中服务数量和种类的增加，车联网中的信息激增问题变得越来越严重，因此如何按照个性化需求为用户推荐合适的服务成为目前车联网中亟需解决的问题.针对现有车联网中服务选择策略的不足，提出一种基于上下文的车联网服务推荐中间件体系结构，该中间件可以利用车辆丰富的上下文信息和用户的历史服务记录为用户推荐服务.利用离线分析方法，提出一种基于上下文的服务推荐方法，将既符合车辆上下文约束且满足用户偏好的服务推荐给用户.仿真结果表明，中间件推荐的服务合理且符合用户偏好，同时可以降低服务导致的绕路概率.

研究无线传感器网络中能量有效的移动目标跟踪问题.1)定义了一个基于网格的网络模型，该模型使处于网格顶点附近的节点工作、其他节点睡眠以节省能量,同时保证跟踪质量.2)分析了目标出现位置与网格单元的关系，针对每种位置关系给出了一个通用的定位算法.在此基础上，设计了一个基于2阶段聚合的目标定位算法，对单个网格内定位结果进行优化.3)提出了一个基于顺逆时针机制的最短路径选择算法传输目标定位的结果，保证最小化参与传输的节点数目.4)通过大量实验验证了所提出算法在能源节省和跟踪质量方面的有效性.

在无线传感器网络中，传感器节点布置在相应的应用领域,用于检测周边环境并发送检测值给Sink.消息在转发的过程中，消息的完整性及消息源的敏感信息应该受到保护.一方面，消息认证是阻止未经授权和损坏的消息转发的最有效的方法；另一方面，采用匿名通信的方式可以隐藏敏感节点的身份信息，实现节点位置的隐私保护.然而，匿名通信也为攻击者提供了利用匿名技术进行违法活动的机会.因此，追踪恶意节点的身份就显得尤为重要.为了解决无线传感器网络络中的发送节点身份隐私泄露和恶意节点追踪问题，提出基于椭圆曲线的可追踪匿名认证方案.方案将椭圆曲线和环签名相结合，实现节点匿名通信，提供中间节点的认证.仿真实验结果表明，与现有方法相比，在签名产生和认证开销相当的情况下，利用环签名的可链接特性能够实现对恶意节点的可追踪性，提高网络的性能和安全性.

提前获知或预测网络的关键节点,便可根据关键节点的相关信息对网络进行优化,当网络瘫痪时,可第一时间排查关键节点,减少网络维护时间和成本.现有静态无线传感器网络关键节点预测方法,不适用于机会传感器网络(opportunistic sensor networks, OSNs).针对机会传感器网络结构动态变化、消息传输时延高的特点,分析多区域机会传感器网络分层结构的消息传输过程,定义阶段贡献度反映Ferry节点在消息传输过程中的贡献程度,定义区域贡献度反映Ferry节点对区域的贡献程度.在此基础上,以Ferry节点在网络中的综合贡献度作为判断关键节点的依据,提出基于多属性决策中理想点法(technique for order preference by similarity to ideal solution, TOPSIS)的关键节点预测方法.实验结果表明:采用改进TOPSIS算法能够获得更高的预测精度;搭建了实验床以进一步验证提出的预测方法,结果表明,采用改进TOPSIS算法的预测精度更高.

IEEE802.15.4e是一个面向工业物联网应用的MAC层标准，其采用时间同步关键技术实现高可靠、低功耗的工业无线网络.网络空间中存在各式各样攻击，由于时间同步机制是工业无线网络中的核心支撑技术，其可能成为首选的攻击目标.假如攻击者对时间同步协议发起攻击，破坏节点之间的同步，将导致网络通信、节点定位以及数据融合等方面应用不能正常工作.针对基于IEEE802.15.4e标准的工业物联网中时间同步协议安全性不足问题，提出了一个安全时间同步策略.首先，提出了Sec_ASN算法保护单跳的ASN时间同步和TOF算法保护单跳的Device-to-Device时间同步；其次，提出了Rank-based入侵检测算法保护多跳时间同步；最后通过理论分析和实验测试证明，该安全时间同步策略具有时间同步精度高和开销低特点，并且能有效防御外部攻击和内部攻击.

数字视频稳像(digital video stabilization, DVS)技术发展已历经30多年，随着设备计算能力的不断提高、算法研究的不断更新以及市场需求的不断驱动，数字视频稳像技术也随之不断发展，经历了从最初以计算简单为主的方案发展到以稳像效果显著为主的方案，再发展到计算简单并且效果显著的方案.通过对文献资料的整理分析，并根据技术发展的时间顺序，数字稳像技术被分类为传统方案和新兴方案.按照采用运动模型的不同，传统方案分为传统2D方案和传统3D方案；新兴方案分为新兴2D方案和借助传感器方案.对每类方案，首先对其采用的关键技术进行分析总结，然后列举这些关键技术在数字视频稳像中的应用实例.对数字稳像技术的发展进行了总结，最后对数字视频稳像技术的研究难点和发展趋势进行了展望.

随着云计算、虚拟桌面等的普遍推广，屏幕内容图像已成为新一代云——移动计算模型——不可或缺的一部分.研究压缩效率高、实时性好、复杂性适中的屏幕内容编码方法是目前视频编码领域的热点问题之一.从空间域、频率域、时间域和颜色空间4方面分析了屏幕内容图像的数据统计特性，进而重点阐述不连续色调图像的典型编码方法，将现有方法分为基于调色板-索引图的编码算法、基于模板匹配的编码算法、基于块匹配的编码算法、基于字典的编码算法、基于形状表示的编码算法以及时间域编码方法、色度编码方法，并进一步总结基于混合框架的屏幕内容编码方法，对各类算法的优势和存在的不足进行比较、分析和讨论.在此基础上，介绍了HEVC-SCC编码国际标准制定工作的进展，并对屏幕内容编码的未来发展趋势进行了展望.

在传统有理插值函数的基础上构造出一种新的混合插值模型.该混合插值模型是有理函数与分形插值函数的有机整体，可由形状参数和尺度因子唯一确定.由于分形是刻画图像复杂度的有效工具，引入分形维数描述纹理的复杂程度.首先，提出一种基于局部分形维数的自适应阈值选取的方法，将整幅图像划分为纹理区域和非纹理区域.在纹理区域采用有理分形函数插值，在非纹理区域采用有理函数插值.尤其在有理分形插值模型中，提出一种基于分形维数的精确计算尺度因子的方法.最后，通过优化形状参数进一步提高插值图像质量.实验结果表明：提出的基于图像特征的混合插值模型与当前经典算法相比，尤其是在处理纹理图像方面，具有明显优势.

连续查询作为基于位置服务中常见的服务类型之一，为人们的生活和工作带来了巨大的便利.最近几年，针对位置服务中的隐私保护引起了学术界研究者的广泛关注.然而，现有在道路网络上的位置隐私保护工作大多针对快照查询提供隐私保护.如果直接将这些算法应用于连续查询，由于连续查询中位置频繁更新，将同时产生连续查询隐私泄露和精确位置的泄露.由于网络拓扑的存在，移动用户的运动在一段时间内具有时空相似的特点.利用连续查询用户的时空相似性，提出了一种在道路网络上基于时空相似性的连续查询隐私保护算法.通过采取分组策略构造匿名集和K-共享机制，提出了一种启发式宽度优先用户搜索算法HBFS来构造匿名用户集，并提出了一种连续时刻内匿名路段集生成算法CSGA生成匿名路段集合，可以同时防止连续查询攻击和位置依赖攻击.最后，采用4个评价标准对算法进行了一系列实验，验证了算法的有效性.