目的：随着电子商务的发展，商品交易形式发生了翻天覆地的变化。在这种新型虚拟交易平台上，消费者快速而又广泛地浏览、购买、评价各种价廉物美的商品，而商品也同样地进行着产品创新、营销拓展、物流改善。所以，消费者和商品之间早已不是简单的一对一直接买卖关系，而是消费者和消费者之间的社交网络，消费者和商品之间的交易网络构成电子商务中最重要的物质载体。于是，对于商品销量预测这一传统经济问题，在电子商务的大环境下有了新型的研究意义。为了能有效和深入地研究在电子商务环境下的商品销量发展模式，本文的目的在于提供一种应用于电子商务的商品销量预测算法，该算法注重于从消费者社会影响力分析入手，更好地适应真实电子商务环境中的销量预测需求。
创新点：首先，本文算法不仅考虑到消费者自身的特征，同时还考虑到存在于消费者之间的社会影响力，考虑到在真实的电子商务中，消费者之间传递商品的价格信息或评价信息十分便捷，因而本文算法很好地切合了实际的应用环境。其次，本文算法定义了交易环境中的两种社会影响力，即“同一商品中消费者互相作用产生的影响力”和“不同商品之间消费者互相作用产生的影响力”，分别考虑到单一商品的交易环境和多个商品互相作用的交易环境中消费者行为，其中以上两种社会影响力都是由真实消费者社交网络分析提炼得来的，使得本算法更加切合真实交易网络的内在结构。
方法：本文算法将商品销量分为主体部分和噪声部分，很好地模拟了真实交易环境中，商品销量的构成是受多成分影响的。并且在预测模型中，对主体部分和噪声部分分别设置了不同的约束条件，具体为要求商品销量的主体部分在时间上应该保持平滑性，并要求商品销量的噪声部分是稀疏的，以上两个约束很好地反映了真实交易环境中商品销量的变化形式。
结论：本文研究电子商务环境下商品销量的发展模式，并提出描述消费者之间关系的两种社会影响力网络。将此社会影响力网络整合入商品销量构成模型中，最后提出对这些商品销量的预测算法。特别是通过在真实的数据环境中（阿里巴巴女装数据）进行算法测试，并结合与传统销量预测算法的比较，展示在复杂数据环境下本算法的有效性。

目的：数据采集的隐私保护问题近年来受到广泛关注。传统的数据采集过程中，采集机构假设在匿名发布数据的前提下，所有应答者对于提交各自数据的过程均是满意的。本文作者认为这一假设并不实际，因日益增长的隐私保护需求导致部分应答者拒绝或提交不准确的数据，从而将导致由这些数据得到的分析结果不可靠。因此，本文引入k_i-匿名模型，由应答者选择自己偏好的匿名水平。
创新点：本文所提算法其背后主要思想是允许每个应答者学习自身记录的事件数目，即仅需获取自身约束条件的满意度得分。
方法：首先，生成唯一身份标识和约束条件。接着，检查约束条件的满意度情况。然后，计算满意度得分。最后，更新约束条件的满意度表格（图1）。
结论：引入k_i-匿名模型的概念，允许应答者在提交数据前能够选择自己偏好的匿名保护水平。所提算法确保应答者在数据采集过程中实现其偏好的匿名保护水平，且所采集的数据真实并有效用于数据分析。

目的：面向大规模复杂网络，提出一种有效的端到端延时的分析方法，保障网络服务性能。
创新点：基于频域分析方法提出一种新的网络延时分析方法，具有高效率的特点。
方法：首先，将网络系统的延时从时域转换到频域，并用信号流图建模（图1）。然后，用克莱姆法则或者梅森增益公式计算信号流图模型的传递函数。接着，分析传递函数的脉冲响应和阶跃响应得到系统的端到端延时的概率密度函数和概率分布函数（图2）。最后，用该方法分析两个实际例子。包括：第一，用该方法得到网络中的瓶颈链路（图3、4）；第二，用该方法分析网络通信协议（图6）。
结论：针对大规模复杂网络，提出基于频域分析的网络延时分析方法，这种方法是有效的。

目的：提出一种通用方法用于长时间序列的知识发现过程。
创新点：提出一种基于并行分割的时间序列符号化方法—趋势特征符号化近似法（trend feature symbolic approximation, TFSA），对长时间序列进行快速分割，并且保留原始序列大多数趋势特征，将分割后的子序列用特征符号表示。本文的贡献在于改进了长时间序列的分割效率，而且TFSA专注于保留原始时间序列的大多数趋势特征，使得挖掘后的规则更加容易理解和解释。
方法：首先，通过一个两步（two-step）分割机制将时间序列分割成一系列不等长的子序列。然后，采用趋势特征符号化近似（TFSA）将子序列符号化并获得符号项集。最后通过一个基于apriori的关联规则算法来实现时序数据的知识发现。
结论：针对长时间序列，基于累积和控制图方法研究一种海量数据环境下序列的并行分割机制。可以通过分布式结点来实现，随结点数增加，其效率将进一步提高。TFSA符号化方法不同于传统的方法，它致力于保留原始时间序列的大部分趋势特征及模式，通过规定的趋势符号来表示时间序列，并且其表达方式也考虑后续的时间序列挖掘研究。实验证明，本文方法在时间序列的分割效率以及分类准确性上相比于已有的方法均有所提高。

目的：针对一类具有时变时滞的非线性系统，设计状态控制器实现闭环系统输出对参考轨迹的H_∞跟踪。
创新点：利用统一模型表示所研究的时变时滞非线性系统，修正参考模型使其更具一般性，引入缩放系数提高系统的跟踪精度。
方法：采用一个由线性时滞动态系统和有界静态非线性项组成的统一模型来描述所要研究的时变时滞非线性系统。完成系统建模后，首先给出参考轨迹跟踪的定义，以修正后的跟踪模型为参考轨迹，采用状态反馈法实现闭环控制（图1）。并对闭环系统的H_∞性能进行分析，基于此分析结果推导得到以线性矩阵不等式形式表示的跟踪控制器参数所满足的条件。该条件可以确保闭环系统H_∞意义下跟踪给定的参考信号。在控制器设计中引入缩放系数以提高跟踪精度。图2和图4分别给出跟踪控制器对正弦信号和方波信号的H_∞跟踪；图3和图5则分别表示在正弦参考信号和方波参考信号输入下，缩放系数的变大对提高跟踪效果的具体影响。
结论：针对一类具有时变时滞的非线性系统，以修正后的跟踪模型为参考轨迹，设计状态反馈控制器实现闭环系统输出对参考轨迹的H_∞跟踪，并可通过增大缩放系数提高跟踪效果。

目的：为控制故障电流，提出一种新型基于级联变压器的二极管桥式固态故障电流限制器（SSFCL）。
创新点：所描述的SSFCL具有简单且易用的结构，能够将故障电流幅度限制于安全范围内。并能减少谐波畸变与开关电压过冲，调控公共耦合点电压。
方法：将一串联RLC支路连接于隔离串联变压器的次级端，针对此RLC支路，提出两种限流模式。（1）放电模式：电阻R与电容C被并联的功率电子开关（IGBT）旁路，而电感L仍与变压器次级端相联，从而构成直流电抗器。（2）充电模式：若串联电抗器阻抗不足以限制故障电流，可以通过选择恰当的并联IGBT开关持续时间（on-off duration），将高阻抗的串联电阻R和电容C插入电路，从而限制故障电流。
结论：通过控制直流电抗器电流幅度，可以降低故障电流并将公共耦合点（PCC）的电位限制于合理水平。此外，在本文所述的新型SSFCL中，与IGBT并联的RC支路可作为缓冲电路用于降低开关状态下IGBT的瞬态恢复电压（TRV）。因此，SSFCL可以提升电能质量。本文还给出了在已有的原型系统上的实验测量结果以支持理论和仿真研究。所述的SSFCL可以无延迟地限制故障电流并有效平滑故障电流波形。

目的：为无源雷达提出新的目标检测方法，改善无源雷达的目标检测性能，丰富无源雷达目标检测方法库。
创新点：首次提出基于倒谱技术的无源雷达动目标检测（CEPMTD）方法。在CEPMTD算法的基础上，为获得更高的目标检测性能，进而提出了改进的CEPMTD算法。
方法：首先，将传统倒谱技术加以改进和扩展，使其具有运动目标检测的能力。然后，在该方法基础上，提出改进的CEPMTD算法，利用相同的回波信号和参考信号，通过改变它们之间的相对延时，构建不同的合成信号。对于每个合成信号利用CEPMTD算法进行目标检测，将每次输出的结果按照一定的规则相干累加。运动目标的真实峰值相干累加，而旁瓣和副峰则非相干叠加。最后，利用仿真和试验数据对本文方法进行验证。
结论：理论分析结果显示改进的CEPMTD算法的目标检测性能优于雷达模糊函数，仿真和试验结果验证了理论分析结果。

目的：为克服高动态弱信号环境下信号的积分峰值受比特符号翻转和频率误差的影响，提出一种基于离散chirp-Fourier变换块补零方法。
创新点：与传统闭环捕获和跟踪的接收机结构相比，该方法适用于开环捕获。该方法结合了离散chirp-Fourier变换和块补零思想，能够使后相关信号在剥离比特符号后进行相干积累并同时进行高动态参数精准预测。同时，对所提方法的检测性能进行分析推导捕获概率和虚警概率表达式。
方法：首先，后相关信号通过块补零处理被分为一些块，然后这些块通过离散chirp-Fourier变换处理。以这种方式比特翻转对积分峰值的影响可以被削弱，同时后相关信号可以进行相干积累。最后通过阈值检测积分峰值来完成高动态参数的预测，这个阈值是通过设定的虚警概率得出的。仿真结果表明当接收信号长度一定时，本文方法较BASIC方法能在更低的信噪比下检测到高动态参数。
结论：本文结合离散chirp-Fourier变换和块补零思想，在弱信号高动态环境下提出基于离散chirp-Fourier变换的块补零方法。仿真结果表明本文方法较BASIC方法在更低的信噪比下预测高动态参数。与利用传统接收机结构的闭环捕获和跟踪方法的相比，这种方法是一种开环捕获的方法，非常适合软件无线电接收机。