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.

为了解决传统文本生成图像方法生成图像质量差和文本描述与生成图像不一致问题， 以多种损失函数为约束，提出深度融合注意力的生成对抗网络方法（DFA-GAN）. 采用两阶段图像生成，以单级生成对抗网络（GAN）为主干，将第一阶段生成的初始模糊图像输入第二阶段，对初始图像进行高质量再生成，以提升图像的生成质量. 在图像生成的第一阶段，设计视觉文本融合模块，深度融合文本特征与图像特征，将文本信息充分融合在不同尺度的图像采样过程中. 在图像生成的第二阶段，为了充分融合图像特征与文本描述词特征，提出以改进后的Vision Transformer为编码器的图像生成器.定量与定性实验结果表明，对比其他主流模型，所提方法提高了生成图像的质量，与文本描述更加符合.

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.

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.

在物联网中，传感器及时、准确地数据传输是决策单元获得有效数据决策（如估计、推断或控制）的保障. 为了减小估计失真，决策单元同时使用多个数据包并利用最佳线性无偏估计量（BLUE）进行联合估计. 以决策信息年龄（AuD）和均方误差（MSE）分别度量系统决策时刻信息的时效性和失真，提出2种决策方案，研究所提方案的信息时效性与失真性能. 在固定数量数据包的决策方案中，监测中心每收到固定数量数据包后进行一次估计；在固定时间间隔的决策方案中，监测中心每隔固定时间间隔进行一次估计. 通过调度系统的决策过程来最小化平均AuD和平均失真的加权和，实现系统的时效性和失真的关系平衡. 仿真结果表明，通过优化系统决策过程，所提方案可以实现在提升系统时效性的同时减小估计失真.

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.

以主跨为165 m的独塔钢斜拉桥为研究对象，建立精细化钢塔计算模型. 选取经峰值加速度调整后的历史地震记录作为地震动输入，分析顺桥向弹塑性时程反应，研究钢塔的钢板局部失稳以及超低周疲劳开裂特性，讨论纤维模型的适用性. 结果表明，沿高度方向加载的Pushover法能够预测钢塔顺桥向地震塑性发展的顺序和位置；纤维模型能够获得钢塔的弹塑性地震位移反应以及地震损伤位置，不能精确评价结构残余变形与损伤程度；输入地震动的峰值地面速度（PGV）/峰值地面加速度（PGA）值是影响结构地震损伤程度的指标；当PGA相同时，PGV/PGA值越大的地震动引起的钢塔地震损伤越显著，钢塔斜拉桥抗震性能验算应选用PGV/PGA值大的地震动时程.

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.

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.

针对跨场景情况下图像亮度不一致导致的深度缺陷检测模型泛化性能差的问题，提出基于特征过滤与特征解耦的域泛化(FF-FDDG)模型. 模型包含设计的亮度过滤-残差模块(LFR)，该模块通过实例归一化过滤亮度变化特征，并从被过滤的特征中提取缺陷高相关性且亮度低关联性的特征，并将这些特征与实例级归一化后的特征进行融合，以增强模型在跨场景图像亮度变换情况下的泛化能力. 提出对比白化损失(CWL)函数，该函数通过解耦特征中亮度变换特征和缺陷纹理特征，引导模型学习缺陷纹理特征，以提升模型泛化能力. 在从光伏电池制造环境中收集的跨场景光伏电池表面缺陷数据上进行实验，结果表明，相较于现阶段最先进的域泛化模型，所提出的FF-FDDG在跨场景情况下的平均检测精度(mAP)均值提升5.01%.

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.

受不同像素级视觉任务间的特征信息能够相互指导和优化的思路启发，基于多任务学习理论提出联合语义分割和深度估计的交通场景感知算法. 提出双向跨任务注意力机制，实现任务间的全局相关性显式建模，引导网络充分挖掘和利用任务间互补模式信息. 构建多任务Transformer，增强特定任务特征的空间全局表示，实现跨任务全局上下文关系的隐式建模，促进任务间互补模式信息的融合. 设计编-解码融合上采样模块来有效融合编码器蕴含的空间细节信息，生成精细的高分辨率特定任务特征. 在Cityscapes数据集上的实验结果表明，所提算法的语义分割平均交并比达到79.2%，深度估计均方根误差为4.485，针对5类典型交通参与者的距离估计平均相对误差为6.1%，能够以比现有主流算法更低的计算复杂度获得更优的综合性能.

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.

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.

与膨胀土工程灾害密切相关的浅层膨胀土受到的围压通常较低，其力学特性有别于高围压下的情形. 通过三轴剪切试验比较高、低围压下膨胀土的剪切行为及剪切强度的非线性特征，探讨聚丙烯纤维改良浅层膨胀土的剪切特性及加固机理. 结果表明，浅层膨胀土剪切强度具有明显的非线性，可用幂函数表征. 随着土体中水的质量分数增大和围压减小，膨胀土剪切强度非线性更加明显. 采用高围压下的抗剪强度参数试验结果会导致浅层饱和膨胀土的黏聚力被高估225.7%、内摩擦角被低估42.5%. 掺入纤维后膨胀土的剪切强度明显提高，提升幅度与土体中的三维纤维网状结构的形成度有关. 增大纤维长度可以有效降低剪切强度衰减率，继而消弱膨胀土的应变软化效应；过长的纤维在膨胀土内容易弯曲和扭折，会导致纤维-膨胀土界面作用随着土体变形而逐渐劣化.

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.

为了实现钢板组合梁的标准化设计，达到进一步推广应用的目的，以跨径30 m的先简支后桥面连续钢板组合梁桥为研究对象，结合目前中国钢-混组合梁桥的设计规范，以全桥造价及全桥钢材用量为目标函数，以钢板组合梁截面尺寸布置参数和主梁数量为设计变量，并以应力、变形、局部稳定和规范构造要求为约束条件，建立钢板组合梁截面参数的优化模型，并采用遗传算法展开优化分析. 优化结果表明：所提算法稳定可靠、效率高，依托工程的结构截面布置有较大的优化空间. 当桥宽和车道布置不变时，采用6梁式截面的全桥造价最少，相对原始设计截面可节省约13%的费用；采用4梁式截面的全桥钢材用量最少，为128.65 kg/m²，相对原始设计截面可节省约27%的钢材用量. 优化结果可为中等跨径钢板组合梁桥的截面设计提供参考. 通过经济性分析发现，当主梁间距分别取约2.3、3.2、4.8 m时，跨高比的经济取值分别为20~23、18~21、14~17.