随着在线健身资源的日益丰富，自主健身已成为新的运动趋势。然而由于缺少专业健身教练的动作指导与纠正，自主健身通常无法保障健身效果且容易造成运动损伤，因此需要对健身动作准确性进行实时监测。现有的健身监测设备往往依托大屏幕、深度摄像头或传感器等硬件，存在设备昂贵、安装不便、使用场景受限等问题，较难满足大众健身的需求。随着人体关键点检测技术的不断成熟，通过手机单目摄像头即可实现对人体姿态的识别，且有较高的准确度和速度，使得在手机端实现低成本、多场景的健身监测成为可能。基于以上背景，设计了三维场景下基于角度阈值的健身动作评估算法，依托于手机单目摄像头和3D人体关键点检测技术，实时检测用户健身动作是否标准并通过语音给出相应提示。同时，在安卓手机上实现了原型系统，通过一系列用户实验验证了系统的可用性与实时性，通过与近年相关工作的对比实验，验证了动作评估方法的准确性。结果表明，本文方法与系统被用户所认可，健身动作评估准确率较高、响应速度满足实时性要求。

3D-power图在图形学和流体仿真等领域应用广泛。为解决已有的3D-power图计算方法时间性能较差的问题，提出了基于GPU的power图构造算法，给出了一种用于计算power图各区域之间的面积估值方法，使基于GPU的构造算法与Lloyd算法、牛顿法相结合，生成满足约束条件的3D质心容量限制power图（3D-centroidal capacity constrained power diagram，3D-CCCPD）。结果表明，本文算法的时间性能较已有的3D-power图构造方法提高了几个数量级。

飞机传感器采集的燃油数据是后续燃油测量的基础。在飞行过程中，由传感器采集的数据因存在部分缺失值，如直接进行后续处理将影响燃油测量精度。现有的缺失值填充方法存在两方面问题，一方面易忽视飞机燃油时序数据在时间维度上的上下文依赖关系；另一方面缺少完整的样本数据集进行模型训练。基于此，提出了一种基于生成对抗网络的缺失值填充方法，从而有效解决了传统方法难以处理的时序数据历史隐含规律及样本不完整的问题，且填充效果较其他算法更佳。

采用智能感官分析技术结合传统感官评价，研究了细点圆趾蟹蟹肉、细点圆趾蟹重组蟹肉、仿蟹肉块和仿蟹肉棒的感官品质。4类均为低脂类、可放心食用的食品。用电子舌技术与主成分分析法对4类蟹肉样品进行了区分和识别，用质构仪检测了4类样品的适口性（包括硬度、弹性、黏结性、胶性、咀嚼性和回复性）。结果表明，仿蟹肉制品与纯蟹肉在味道上存在明显差异，纯蟹肉较仿蟹肉制品具有更强的鲜味回味，但苦味、涩味和苦味回味相对较高；蛋白质类添加剂（TG酶）有利于提高纯蟹肉的感官品质，尤其可大幅度改良口感和质地，全质构分析测定结果与人的感官评价结果一致性较高。

虚拟服装展示为线下服装订货会和时装秀提供了线上解决方案，打破了空间的局限性，为企业和用户提供更方便、有效的服装试穿新方式。针对现有的大多数虚拟试衣系统存在体形尺寸和展示效果单一、无法满足高级定制用户个性化精细要求的问题，研发了一个基于服装自适应变形的个性化虚拟服装展示系统。首先，建立基于人体体形参数的三维人体重建框架；然后，采用混合蒙皮算法建立人体模型顶点和三维服装顶点的联系；最后，对对偶四元数进行插值，实现人体变形驱动服装变形，完成服装的自适应调整。并基于Unity平台开发了一款面向高级定制的虚拟服装展示系统，以检验相关算法的应用效果。

利用计算机视觉与图像技术对植物进行数字化重建是植物表型组学的重要手段。以国内常见的粮食作物豆类植株为研究对象，利用RGB-D深度相机采集的深度图像对豆株进行快速三维数字化重建，首先，基于点云分层聚类提取点云骨架点；然后，根据各骨架点到根节点的最短距离连接第一阶段的主干骨架点，并根据形态特征筛选子图和主干图的连接点、选择子图生长路径；最后，由连接骨架进行植物数字化建模。实验表明，基于真实大豆植株点云的单帧和配准数据，本文方法能对不同形态特征的大豆植株进行快速三维重建，并能对分辨率不高、噪音干扰较大、配准误差较大等情形做处理。

三维轮胎花纹模型检索是计算机辅助花纹设计的关键。提出了一种基于非精确邻接图匹配和Cluster Tree的检索方法，利用三维花纹设计参数和几何特征提高检索效率。将B-rep格式的轮胎花纹模型转化为属性邻接图，通过计算边相容度，对两个属性邻接图进行非精确匹配，计算其图相似度；通过设计参数对花纹数据库进行空间划分和递归聚类，构建以Cluster Tree为子树的索引结构，借助几何特征提升拓扑结构相近的花纹模型的区分度。将方法应用于自主开发的三维花纹设计软件平台，结果显示，检索精度和检索效率均较现有通用CAD检索模型高。

介绍了利用矩阵权非均匀有理 B-spline（non-uniform rational B-spline，NURBS）曲面拟合与光顺带法向的网格数据。通过输入带法向的规则四边形网格，以网格的顶点为曲面的控制顶点，用法向信息计算每个控制顶点对应的矩阵权，构造矩阵权NURBS曲面。与传统NURBS曲面相比，矩阵权NURBS曲面具有拟柱面精度，当数据均匀采样自光滑曲面时，构造的矩阵权NURBS曲面具有较好的光顺性且能很好地拟合网格模型；当输入的网格数据掺杂噪声时，通过迭代在已有的矩阵权NURBS曲面上重新采样顶点和计算法向量构造新的矩阵权NURBS曲面，最后得到具有较好光顺性且仍能逼近原始网格数据的拟合曲面。

针对三维网格模型分割质量提升问题，提出了感知几何的图注意力网络。首先，定义了感知几何的图注意力系数，利用节点之间的边特征扩展由网络学习得到的注意力系数，引入与节点局部几何信息相关的注意力系数，更好地反映节点之间的相似性。然后，通过调整网络架构，将三维网格模型的几何特征与标签信息共同作为图注意力网络的输入，使标签信息参与网络训练和验证，并通过残差形式的线性连接实现网络的更稳定输出。大量实验结果表明，本文算法能够获得精确的分割边界，其在PSB数据集上的分割准确率较现有经典算法提升约2个百分点，也取得了更好的兰德指数。同时，通过消融实验验证了算法的合理性。

甲氧基多溴联苯醚（methoxypolybrominated diphenyl ethers， MeO-PBDEs）广泛存在于生物体和海洋环境。以象山海域的生物体和沉积物为样本，采用固相萃取净化-气相色谱-负化学源质谱法，检测了6种MeO-PBDEs，结果显示，当目标分析物浓度为0.1~20.0 μg?L^-1时，线性关系良好（R²>0.999），检出限为0.13~0.22 μg?kg^-1，定量限为0.42~0.72 μg?kg^-1，实际样品的平均回收率为71.2%~116.2%。MeO-PBDEs的分布状况调查结果显示，藻类样品中仅检出6-MeO-BDE-47，且浓度较低，其他生物体中检出3种MeO-PBDEs，检出率为31.3%，浓度为0.21~2.72 μg?kg^-1。沉积物中无MeO-PBDEs被检出。

V-系统是L^{\mathrm{2}}[\mathrm{0,1}]上的一类完备正交分段多项式函数系，由于其基函数的间断特性，在非连续信号的表达与分析上优势显著。然而，在目前的V-系统变换算法中，对于一个长度为N的信号，不仅需要事先生成并存储一个N阶的正交矩阵，而且其时间复杂度高达\mathrm{{\rm O}}(N^{\mathrm{3}})。为实现对大规模数据的高效处理，从V-系统的多分辨率分析角度出发，设计并实现了V-系统的快速分解与重构算法，不仅无须存储额外信息，而且其时间复杂度仅为\mathrm{{\rm O}}(N)。测试结果表明，提出的快速算法能够满足大规模数据高效处理要求，为V-系统在更多领域的应用奠定了基础。

针对当前主流点云处理网络仅依靠局部邻域进行特征聚合导致特征提取能力不足，以及使用最大值池化造成信息损失的问题，提出了一种基于注意力的局部信息和全局信息相结合的点云处理网络。首先提出了基于通道自注意力进行局部特征聚合的方法，减少了信息的损失；然后为捕获点的远程依赖信息，设计了一种动态学习关键点的方法获取全局信息； 最后构建了一种基于空间注意力的特征融合模块，使每个点均能学习全局上下文信息。在几个常用点云数据集上对方法进行了实验验证，在ModelNet40分类任务上实现了94.0%的总体分类精度、91.7%的平均分类精度；在ScanObjectNN分类任务上实现了81.5%的总体分类精度、78.1%的平均分类精度；在ShapeNet 分割任务上实现了86.5%的平均交并比。表明提出的点云处理网络在分类、分割等任务中的精度均较PointNet、PointNet++、DGCNN等经典网络有显著提升，较其他点云处理网络也有不同程度的提高。

乳腺癌是当前最常见的恶性肿瘤之一，其电子病历数据可用于挖掘隐含规律，对治疗与预后分析有重要意义。通过与乳腺科医生合作，选择合适的预测模型和可视化方法，搭建了一个基于电子病历的乳腺癌群组和治疗方案可视分析系统。首先，对具有高维属性的病人进行降维和聚类处理，形成病人群组，并采用南丁格尔图、词云和时间轴可视化方法，直观展示病人群组间特征的差异；然后，用支持向量机（support vector machine，SVM）模型预测治疗方案，用平行坐标、矩阵热力图和分类图分别展示属性相关性、训练后的特征权重和预测结果；最后，用真实案例验证了系统在群组分析、治疗方案及病人属性关联分析中的有效性，从而较好地帮助医生选择合适的治疗方案。

对复杂外形约束下的三周期极小曲面（triply periodic minimal surface，TPMS）微通道结构，提出一种基于共形映射的多形态特征设计方法。首先，将自由曲面边界映射至平面，在二维参数域上进行通道拓扑结构设计；然后，提出一种基于环的Beta生长算法，实现多种TPMS形态特征的平滑过渡；最后，将在二维参数域上设计的微通道结构逆映射至自由曲面约束下的三维空间，完成设计。实例分析表明，采用本文方法设计的微通道结构对复杂曲面边界具有较好的适应能力，能实现内部形态特征设计目标。

形状复杂的零件采用3D打印时通常存在悬空区域，悬空区域侧面成型后几何误差，即侧损失，往往非常明显，严重影响悬空区域及其零件的成型精度。为此，提出一种悬空区域侧损失双层次智能改善方法。首先，基于田口法设计了取不同关键设计参数和打印参数的一系列实验，并用所设计的测量方法测取打印的倒“L”形零件的侧损失样本数据。其次，针对倒“L”形零件悬空区域支撑结构迥异的两侧（即悬空侧和非悬空侧）构造了两类侧损失预测网络，可准确预测各尺寸下倒“L”形零件悬空区域两侧成型后的几何误差。再次，以悬空区域两侧的侧损失最小为目标，构造了单目标多变量非线性规划问题，得到优化的侧损失预测值及对应的工艺参数值。最后，依据侧损失预测值对悬空区域两侧实施反向几何偏移补偿，并用优化的工艺参数值进行打印，实现了对悬空区域侧损失的双层次智能改善。基于熔融沉积技术，用训练集以外的倒“L”形零件进行实验，验证了所提方法的有效性。结果表明，所提方法适用于悬空区域且具有显著改善悬空区域侧损失的巨大潜力。

岩石薄片矿物识别是岩石学研究工作的基础，亦是进一步认识岩石种类、成因机理、物质运移和演化历史的基础。传统的矿物识别主要依靠光学显微镜进行人工鉴定，经济成本和时间成本较高、效率较低，且受制于专家个人经验与主观判断。随着深度学习技术的发展，计算机能从图像中自动提取更准确的语义信息，从而为岩石薄片图像的智能分析提供有效途径。提出了一种基于深度学习的岩石薄片矿物自动识别方法，利用深度卷积神经网络自动提取岩石薄片图像中不同矿物的有效特征，并对其进行语义分割与识别，综合利用单偏光与正交偏光2种光性图像实现了对矿物的自动识别。对南京大学岩石教学薄片显微图像数据集进行了矿物识别测试，结果表明，总体精度为86.7%，Kappa系数为0.818，识别结果较传统图像分类方法更准确。

研究了在R^{\mathrm{3}}有界区域内多孔介质中相互作用的Brinkman流体方程组与Darcy流体方程组解的收敛性。假设在{\mathrm{\Omega }}_{\mathrm{1}}中，流体速度较慢满足Brinkman方程组，而在{\mathrm{\Omega }}_{\mathrm{2}}中，饱和流体满足Darcy方程组，借助温度T的最大值以及其他界，构造了能量表达式，得到了满足该能量表达式的微分不等式和Brinkman-Darcy流体方程组的解对边界系数的收敛性结果。

基于人工智能技术的生成内容（artificial intelligence generated content，AIGC）已成为当下的热门话题。在众多生成模型中，扩散模型因其高度可解释的数学特性及高质量和多样性的结果引起广泛关注，在条件引导的图像生成领域已取得显著成果，被广泛应用于电影、游戏、绘画和虚拟现实等领域，在文本引导的图像生成任务中，扩散模型不仅能生成高分辨率的图像，而且能保证生成图像的质量。首先介绍了扩散模型的定义和相关背景，然后重点介绍了扩散模型在条件引导的图像生成领域的发展历程和最新进展，最后探讨了扩散模型面临的挑战和潜在的发展方向，旨在为广大研究人员提供相关领域的研究概况和前沿动态。

2，5-呋喃二甲酸（2，5-FDCA）是生物可降解聚呋喃二甲酸乙二醇酯（PEF）的单体，目前尚未形成廉价的制备技术，其中用己糖二酸脱水环合制备2，5-FDCA是一条具有发展潜力的路线。针对此路线中副产物定性不准确、反应路径研究不完善等问题，通过高效液相色谱、高分辨质谱、核磁共振和傅里叶变换红外光谱分析，开展了副产物定性工作，确定反应体系中的2个主要副产物为糠酸和3-羟基-6-羧基-2-吡喃酮（HOCA）。在硫酸催化下不同己糖二酸脱水环合的反应路径相似，半乳糖二酸易生成副产物HOCA，而葡萄糖二酸钙易生成主产物2，5-FDCA。结合文献报道，提出了己糖二酸脱水环合制备2，5-FDCA可能的完整反应路径。研究工作可为己糖二酸脱水环合制备2，5-FDCA的高效催化体系开发和工业化生产提供指导。

网络安全可视化可直观地提取网络安全特征、全方位感知网络安全态势，但如何宏观把控网络安全的整体分析流程仍是一大研究难题。为此，引入了数据挖掘中经典的示例-探索-修改-模型-评估（sample-explore-modify-model-assess，SEMMA）分析范式，并结合网络安全可视化提出了一套通用的网络安全事件分析模型，将分析过程划分为数据处理、行为特征探索、异常对象定位、异常事件描述与行为模式关联分析等步骤，规范安全事件探索分析流程。在行为特征探索环节，用模糊C均值算法量化主机行为，识别网络资产结构；提出了用基于协议的节点链接图（protocol-based node link diagram，PBNLD）可视化表征形式构建网络通信模型，以提升大规模节点的绘制质量；以安全事件分析模型为指导，面向多源安全日志实例数据，搭建了网络安全事件可视探索系统，通过多视图协同与故事线回溯的方式实现网络资产划分、网络异常事件提取和攻击事件演化。最后，通过实验证明了分析模型的有效性。