针对移动社交网络位置共享服务存在的隐私泄漏问题，提出基于区块链的用户自定义位置共享（BUDLS）方案. 基于区块链实现位置信息分布式管理，防止中央服务器收集大量用户隐私，增强用户位置信息的可控性. 设计基于公钥数字签名和同态加密相结合的加密机制，防止位置信息被攻击者非法获取. 定义灵活的访问控制策略，根据用户需要提供可靠的服务. 安全分析验证结果显示，BUDLS方案满足隐私安全目标. 仿真实验结果表明，相比传统方案，BUDLS方案降低了时间成本，提高了位置查询的准确性，有效保护了移动社交网络平台用户的位置隐私.

针对传统目标检测算法未考虑实际分拣场景目标物形态尺度的多样性，无法获取旋转角度信息的问题，提出基于YOLOv5的改进算法MR²-YOLOv5. 通过添加角度预测分支，引入环形平滑标签（CSL）角度分类方法，完成旋转角度精准检测. 增加目标检测层用于提升模型不同尺度检测能力，在主干网络末端利用Transformer注意力机制对各通道赋予不同的权重，强化特征提取. 利用主干网络提取到的不同层次特征图输入BiFPN网络结构中，开展多尺度特征融合. 实验结果表明，MR²-YOLOv5在自制数据集上的均值平均精度(mAP)为90.56%，较仅添加角度预测分支的YOLOv5s基础网络提升5.36%；对于遮挡、透明、变形等目标物，均可以识别类别和旋转角度，图像单帧检测时间为0.02~0.03 s，满足分拣场景对目标检测算法的性能需求.

目标检测模型在电子元件生产环境中的实时检测能力不佳，为此采用GhostNet替换YOLOv5的主干网络. 针对电子元件表面缺陷存在小目标及尺度变化较大的目标的情况，在YOLOv5主干网络中加入坐标注意力机制，在避免大量计算资源消耗的前提下增强感受野，将坐标信息嵌入通道注意力中以提升模型对目标的定位. 使用加权双向特征金字塔网络结构替换YOLOv5特征融合模块中的特征金字塔网络(FPN)结构，提升多尺度加权特征的融合能力. 在自制缺陷电子元件数据集上的实验结果表明，改进的GCB-YOLOv5模型平均精度达到93%，平均检测时间为33.2 ms，相比于原始YOLOv5模型，平均精度提高了15.0%，平均时间提升了7 ms，可以同时满足电子元件表面缺陷检测精度与速度的需求.

针对经典数解法不能确保得到最优解的问题，提出新的改进数解算法. 明确理想信号位置的移动范围和移动方式，提出初始理想信号位置的概念；提出偏移绿信比的新定义，将信号相对于前、后方初始理想信号位置的偏移绿信比分别称为前、后投影绿信比；通过寻找绿波带宽度与前、后投影绿信比的关系，证明在理想信号移动的过程中绿波带宽度的变化次数等于干线交叉口的数量. 预先计算前、后投影绿信比，避免在移动理想信号位置时对绿时损失的重复计算. 研究结果表明，改进后的数解算法相比经典数解法，可以得到最大绿波带宽，并且在结果相同的情况下计算量更小.

综述直接空气捕集CO₂吸附剂的研究进展，对比碱/碱土金属基吸附剂、金属有机框架吸附剂、负载胺基吸附剂、变湿吸附剂的优缺点，从吸附容量与胺效率、动力学与载体选择、再生方式与能耗、热稳定性与抗降解等方面对吸附剂性能进行评估. 简要叙述相关工程示范项目和技术经济性；总结研究中存在的问题，展望未来的研究方向.

为了在多模态图像检索任务中建立文本特征与图像特征的相关性，提出基于语义增强特征融合的多模态图像检索模型（SEFM）. 该模型通过文本语义增强模块、图像语义增强模块2部分在特征融合时对组合特征进行语义增强. 在文本语义增强模块建立多模态双重注意力机制，利用双重注意力建立文本与图像之间的关联以增强文本语义；在图像语义增强模块引入保留强度和更新强度，控制组合特征中查询图像特征的保留和更新程度. 基于以上2个模块可以优化组合特征使其更接近目标图像特征. 在MIT-States和Fashion IQ这2个数据集上对该模型进行评估，实验结果表明在多模态图像检索任务上该模型与现有方法相比在召回率和准确率上都有所提升.

为了探究图像底层视觉特征与高层语义概念存在的差异，提出可以确定图像关注重点、挖掘更高层语义信息以及完善描述句子的细节信息的图像语义描述算法. 在图像视觉特征提取时提取输入图像的全局-局部特征作为视觉信息输入，确定不同时刻对图像的关注点，对图像细节的描述更加完善；在解码时加入注意力机制对图像特征加权输入，可以自适应选择当前时刻输出的文本单词对视觉信息与语义信息的依赖权重，有效地提高对图像语义描述的性能. 实验结果表明，该方法相对于其他语义描述算法效果更有竞争力，可以更准确、更细致地识别图片中的物体，对输入图像进行更全面地描述；对于微小的物体的识别准确率更高.

在遥感图像中，建筑与道路的类间相似度高，且存在阴影和遮挡，使得现有深度学习语义分割网络在分割道路时误分割率高，为此提出全局指导多特征融合网络(GGMNet)用于提取遥感图像中的道路. 将特征图分为若干个局部特征，再将全局上下文信息与局部特征相乘，强化各类别特征的提取，以降低网络对道路周边相似地物的误判率. 采用融合多阶段特征的方法准确定位道路空间，降低将其余地物识别为道路的概率. 设计自适应全局通道注意力模块，利用全局信息指导局部信息，丰富每个像素的上下文信息. 在解码阶段，设计多特征融合模块，充分利用并融合骨干网络4个阶段的特征图中的位置信息与语义信息，发掘层与层之间的关联性以提升分割精度. 使用CITY-OSM数据集、DeepGlobe道路提取数据集和CHN6-CUG数据集对网络进行训练和测试. 测试结果表明，GGMNet具有优秀的道路分割性能，降低道路误分割率的能力比对比网络强.

根据中文字体风格转换研究发展的不同阶段进行方法分类，简要回顾传统方法，梳理分析深度学习方法. 介绍常用的公开数据集和评价标准. 分别从提高生成质量、增强个性化差异、减少训练样本数量和学习书法字体风格共4个方面展望未来研究.

为了有效利用机加零件工艺信息和检测信息，提出基于机器学习算法的质量预测与工艺参数优化方法. 以集成工艺信息和检测信息的基于模型定义（MBD）模型为输入，通过对三维建模软件的二次开发实现参数提取，并建立结构化数据集. 利用多种机器学习分类器构建基于工艺参数与质量分类标签的质量预测模型. 结合信息增益算法对所有工艺参数进行优先级排序，筛选出对质量影响最大的工艺参数；开发质量预测与工艺参数优化工具集，利用梯度提升树模型优化对质量影响最大的工艺参数. 以某航空企业提供的铣削实验数据验证所提出方法的有效性和可靠性. 验证结果表明，该方法能够较好地实现机加零件的质量预测和工艺参数优化.

针对多智能体追逃问题，提出基于优先经验回放和解耦奖励函数的多智能体强化学习算法. 将多智能体深度确定性策略梯度算法（MADDPG）和双延迟-确定策略梯度算法（TD3）相结合，提出多智能体双延迟-确定策略梯度算法（MATD3）. 针对多智能体追逃问题中奖励函数存在大量稀疏奖励的问题，提出利用优先经验回放方法确定经验优先度以及采样高价值经验. 设计解耦奖励函数，将奖励函数分为个体奖励和联合奖励以最大化全局奖励和局部奖励，提出DEPER-MATD3算法. 基于此算法设计仿真实验，并与其他算法对比，实验结果表明，该算法有效解决了过估计问题，且耗时相比MATD3算法有所减少. 在解耦奖励函数环境下该算法训练的追击者的全局平均奖励升高，追击者有更大的概率追击到逃逸者.

为了增加新闻推荐的辅助信息并提高预测精度，提出基于Transformer和知识图谱的新闻推荐方法. 为了结合新闻语义信息和实体信息，利用自注意力机制获取新闻单词之间和新闻实体之间的联系，采用加法注意力机制捕捉单词和实体对新闻表示的影响. 考虑到用户对新闻的偏好具有时序性特点，引入Transformer以捕捉用户点击新闻间的关联信息及用户兴趣随时间的变化情况. 利用知识图谱中的高阶结构信息，融合候选新闻邻接实体，提升候选新闻嵌入向量所含信息的完整性. 在2个版本的MIND新闻数据集上与5个典型推荐方法的对比实验表明，注意力机制、Transformer和知识图谱的引入提高了算法在新闻推荐方面的表现.

对文本生成图像任务进行综合评估和整理，根据生成图像的理念，将文本生成图像任务分为3大类：基于生成对抗网络架构生成图像、基于自回归模型架构生成图像、基于扩散模型架构生成图像. 针对基于生成对抗网络架构的文本生成图像方法，按照改进的不同技术点归纳为6小类：采用多层次体系嵌套架构、注意力机制的应用、应用孪生网络、采用循环一致方法、深度融合文本特征和改进无条件模型. 通过对不同方法的分析，总结并讨论了现有的文本生成图像方法通用评估指标和数据集.

为了推动挤压生物3D打印结构精度的提升，介绍了以水凝胶为代表的生物墨水挤压打印原理及相关数学模型. 针对打印精度的影响因素，从结构设计、生物墨水特性、打印设备及工艺参数三方面进行系统分析，总结各参数对打印精度的作用. 按照定量评价方法所涉及参数的维度归纳总结并分析不同方法的优缺点，从仿真预测、克服材料力学行为、辅助打印等方面提出研究思路，为后续挤压生物3D打印技术的进一步发展提供参考.

基于重叠网格，构建适用于连续倾转过渡状态模拟的数值计算框架. 针对无人机中的2个重要部件——旋翼和机翼，模拟旋翼/机翼系统从固定翼模式倾转至直升机模式的过渡状态. 采用雷诺平均方程，比较不同前进比下的气动性能变化，分析侧风风速对过渡状态的气动性能影响. 结果表明，机翼升阻力系数随着倾转角的增大而减小，变化程度随着前进比的增大而减小；旋翼拉力随着倾转角的增大而增大，变化程度随着前进比的增大而增大. 当来流存在侧风情况时，机翼升阻力系数减小，在倾转角到65°后侧风风速较小时的机翼性能有一定提升. 旋翼的拉力系数大小受侧风影响不大，但振荡幅度会因此增大.

针对机器人对形状、大小、种类变化不一的未知物体的抓取，提出轻量化的抓取位姿实时检测算法RTGN，以进一步提升抓取检测准确率及检测速度. 设计多尺度空洞卷积模块，以构建轻量化的特征提取主干网络；设计混合注意力模块，以加强网络对重要抓取特征的关注；引入金字塔池化模块融合多层级特征，以提升网络对物体的抓取感知能力. 在Cornell抓取数据集上进行测试，RTGN检测速度为142帧/s，在图像拆分和对象拆分上的检测准确率分别为98. 26%和97. 65%；在实际抓取环境下进行抓取实验，机器人对20类未知物体进行400次抓取，抓取成功率为96. 0%. 实验结果表明，RTGN的检测准确率和检测速度较现有方法有明显提升，对物体的位置和姿态变化具有较强的适应性，并且能够有效地泛化到形状、大小、种类等变化不一的未知物体的抓取检测中.

为了预测航空发动机叶轮的超高周疲劳寿命,以某型叶轮为研究对象，研究叶轮叶片在不同载荷状态下的应力和疲劳寿命. 建立叶轮的有限元模型，通过仿真分析叶轮叶片在离心、气动载荷作用下的应力变化情况；考虑叶轮叶片的表面状态，修正应力结果；基于位错偶极子模型及相关理论，建立TC4材料的超高周寿命预测模型；结合修正交变应力和寿命预测模型，实现了航空发动机叶轮的寿命预测. 对比分析现有模型和该模型下的寿命预测结果，结果表明：2种模型在低、高周范围内预测寿命的变化趋势一致；利用该模型有效解决了叶轮疲劳寿命的预测问题，预测值较贴近测试寿命；叶轮表面状态对疲劳寿命的预测结果影响较大，因为考虑了表面状态，寿命预测结果更贴近测试寿命值.

为了更好地理解枢纽送站坪出租车落客行为，提高落客区域通行效率，提出基于Gamma混合模型的出租车落客决策模型. 应用精确的出租车轨迹数据，将出租车停车时间分解为主动停车时间、被迫停车时间和落客时间，基于被迫停车时间分析构建等待耐性混合分布模型，模型验证结果与真实数据相吻合. 在此基础上，以潜在乘客耐心分布、停车位置、期望停车位和行程时间为落客决策模型的核心指标，提取相关因子为解释变量，以是否落客为被解释变量，构建二元面板Logit模型，并对模型进行检验. 结果表明，乘客耐心对车辆落客起着决定性的作用，落客决策模型预测准确率超过81%，表明该模型能够较好地预测出租车落客行为，为研究缓堵策略提供基础.

针对无人机(UAV)航拍图像检测存在的小目标检测精度低和模型参数量大的问题，提出轻量高效的航拍图像检测算法FS-YOLO. 该算法以YOLOv8s为基准网络，通过降低通道维数和改进网络架构提出轻量的特征提取网络，实现对冗余特征信息的高效复用，在较少的参数量下产生更多特征图，提高模型对特征信息的提取和表达能力，同时显著减小模型大小. 在特征融合阶段引入内容感知特征重组模块，加强对小目标显著语义信息的关注，提升网络对航拍图像的检测性能. 使用无人机航拍数据集VisDrone进行实验验证，结果表明，所提算法以仅5.48 M的参数量实现了mAP0.5=47.0%的检测精度，比基准算法YOLOv8s的参数量降低了50.7%，精度提升了6.1%. 在DIOR数据集上的实验表明，FS-YOLO的泛化能力较强，较其他先进算法更具竞争力.

方面级情感分析存在以下问题：句法依赖解析方式单一，语法信息的提取和利用不完善；外部知识库使用有限，无法提供足以判断情感的背景知识与信息；引入的知识过多，导致结论出现偏差. 为此提出新的方面级情感分析模型，使用2种不同的句法解析方式对句子构建2种句法依赖图. 依据外部情感知识构建情感关系图，引入概念知识图谱增强句子中的方面词本体，构建与经过概念知识图谱增强的句子对应的可见矩阵. 使用双通道图卷积神经网络处理依赖图、情感关系图与可视矩阵，融合依赖图与情感关系图，对特定方面的特征表示进行语义、句法双交互. 实验结果表明，所提模型在多个数据集上的准确率和宏F1值均显著优于主流模型.