1. 社交网络用户推荐方法

    近年来，随着社交网络的极大发展，社交网络图结构信息挖掘成为热门研究问题。为了让社交网络信息传播更广泛，更频繁，我们需要增加网络的链接数，一个很重要的问题就是为用户推荐他可能关注的用户。众多社交网站也专门设置好友推荐模块，根据用户的信息找到与用户兴趣相似的其他用户，从而为目标用户推荐新的好友。

    研究目标是有效解决不同种类社交网络中的用户推荐问题，对社交网络中数据稀疏和用户冷启动问题提出了有效的解决方案，能够为用户推荐提供更合理的解释。

2. 图像推荐方法

    目前图像推荐系统中常用的图像推荐算法可以分为两类：基于文本的推荐算法和基于图像内容的推荐算法。基于文本的图像推荐算法是根据用户输入的搜索信息和已购买商品的标注信息，与平台数据库中图像对应的标注信息进行比较，利用算法计算文本相似度，选出相似度较高的图像信息反馈给用户。基于图像内容的推荐算法直接根据用户感兴趣的商品图像提取商品特征信息，减少对附加文字信息的依赖，降低了商品描述文字中人为因素的干扰，同时避免了繁琐的人工整理商品附加文字信息的过程。

3. 复杂网络传播动力学

    现实的世界有很多网络，比如互联网、电力系统网络、人际交际网络、经济网络等网络。复杂网络传播动力学就是研究不同的信息在这些不同的网络中是怎么传播的。 譬如计算机网络中的病毒传播、复杂电网中的连锁故障、谣言在各种媒体中的传播、传染病在人群中的流行、经济危机的多米诺骨牌效应等等传播现象。基于复杂网络理论对各种复杂系统中的传播问题进行研究是网络科学领域近20年来持续不衰的研究热点。包括控制、计算机、生物、物理、人类社会学等等各学科领域专家都对如何规避和控制有害信息和故障在各领域网络中传播进行着积极的探索和研究。

    具体的研究内容主要包括：复杂网络传播动力学建模；网络结构对传播过程产生重要影响；网络结构与传播过程的相互作用及其自适应合演化。

4. 混沌图像加密  

    混沌系统具有类随机性、对参数和初始值的极度敏感性等特征，这些特征与密码学有着一定的联系。1949年，C. E. Shannon提出了密码学中用于指导密码设计的两个基本概念：扩散(Diffusion)和置乱(Confusion)。扩散是将明文的信息尽可能地分散到密文中，以便隐藏明文的分布结构。置乱则是用于掩盖明文、密文和密钥之间的关系，使密文的统计关系变得尽可能复杂。混沌的轨道混乱特性对应于传统密码的扩散特性，混沌的类随机性和对参数的敏感性对应于传统密码系统的置乱特性。混沌和密码学之间的联系和相似性启示人们将混沌应用于密码学领域。