对近年来的相关工作进行全面分析、横向比较，梳理出基于深度学习的EEG数据分析闭环流程. 对EEG数据进行介绍，从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开，梳理深度学习算法在相应阶段提供的研究思路和解决方案，包括各阶段所存在的难点与问题. 全方位总结出不同算法的主要贡献和局限性，讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.

为了确保施工过程中的安全和效率，提出施工现场动态三维重建技术. 部署双目摄像头对重建现场进行三维扫描获取模型基底和目标活动轨迹，基于YOLOv8模型引入注意力量表序列融合(ASF)模块形成YOLOv8-ASF框架，提高预测模型精度和性能，解决如目标遮挡、目标丢失的痛点. 融合改进的半全局立体匹配 (SGBM)算法，与YOLOv8-ASF集成YOLOv8-ASF-SGBM算法，实现基于二维图像的目标近实时识别和定位. 利用获取的深度信息，将动态要素行为轨迹三维动态投影至模型基底中，实现对真实施工现场的近实时、全视角监控. 实验结果表明：所提技术高精度三维复现了施工动态要素的运动轨迹，且与动态要素真实运动轨迹的相对误差小于5%，实现了基于二维图像视频信息的高精度全视角三维立体化监控，具有良好的应用场景和工程价值.

为了实现城市高架桥或高速公路改扩建工程超大规模盖梁的装配化、快速化施工，提出由钢板和超高性能混凝土（UHPC）制作的外壳及现浇核心混凝土（NC）组成的新型UHPC-NC组合盖梁.为了探究外壳UHPC和钢模板厚度对受力性能的影响，对不同UHPC和钢板厚度进行参数分析. 分析结果表明，在自重作用下，外壳的刚度受UHPC和钢板厚度及其比例的共同影响. 当张拉预应力和浇筑混凝土时，UHPC和钢板越厚，外壳的受力性能越好，但是经济性会降低，建议采用UHPC厚70 mm，钢板厚6 mm的方案. 为了验证该方案的可行性和安全性，设计1∶2.5的缩尺模型，开展静力加载试验. 结果表明，新型UHPC-NC组合盖梁的受力性能好，安全储备较高，可以为盖梁的装配化施工提供参考.

针对单模态特征提取存在的模态特征异质性难以保留问题和跨模态特征融合存在的特征冗余问题，基于跨模态Transformer，提出新的多模态情感分析模型（MTSA）. 使用长短时记忆(LSTM)与多任务学习框架提取单模态上下文语义信息，通过累加辅助模态任务损失以筛除噪声并保留模态特征异质性. 使用多任务门控机制调整跨模态特征融合，通过层叠Transformer结构融合文本、音频与视觉模态特征，提升融合深度，避免融合特征冗余. 在2个公开数据集MOSEI和SIMS上的实验结果表明，相较于其他先进模型，MTSA的整体性能表现更好，二分类准确率分别达到83.51%和84.18%.

传统计算智能技术缺乏实时性和适应性，基于并行计算的计算智能技术能够提高计算效率，解决多模态信息兼容处理的问题. 分别从智能计算的3个分支（神经网络、进化算法和群智能算法）介绍计算智能与大数据并行计算融合的研究现状. 总结并行计算智能面临的问题与挑战，思考相关研究的发展方向.

针对智能超表面(RIS)辅助双功能雷达与通信(DFRC)系统的隐蔽传输问题，提出多策略交替优化(MSAO)算法. 在隐蔽约束、雷达恒模约束和总功率约束的条件下，通过联合设计通信波束赋形向量、雷达信号协方差矩阵和RIS相位偏转矩阵，最大化合法用户Bob的隐蔽通信速率和目标探测功率，实现隐蔽通信和雷达感知功能的折中. 在完美Willie信道状态信息和不完美Willie信道状态信息场景下，仿真结果表明，相对于传统单连接RIS和没有部署RIS系统，采用广义全连接模式部署RIS可以更好地传输波束方向图，提高Bob隐蔽通信速率上限，扩大可实现速率的范围，实现通信和感知功能更大的自由度.

针对疲劳驾驶检测方法泛化能力差、特征提取模式单一、模型不可解释等问题，提出多模态特征融合模型nsNMF-PCNN-GRU-MSA，通过分析驾驶员脑电图（EEG）信号实现疲劳程度的检测. 在网络浅层设计通道加权模块，引入非平滑非负矩阵分解（nsNMF）算法计算电极通道的贡献度；在网络中层设计多模态特征融合模块，引入格拉姆角场成像方法将一维EEG数据映射成二维图像，并采用PCNN-GRU并行方式融合不同模态的时空特征；在网络深层融合多头自注意力机制（MSA），完成疲劳驾驶状态分类任务. 实验结果表明，该模型在数据集SEED-VIG和SAD的混合样本上的疲劳检测准确率分别为93.37%、90.78%，单个被试数据准确率最低分别为86.60%、85.59%，高于近年先进模型. 将特征激活值映射到大脑拓扑图上的分析方法不仅提高了模型的可解释性，而且为疲劳驾驶检测提供了新视角.

为了准确、方便地识别多类型眼底病变，提出光学相干断层扫描技术（OCT）图像的轻量化分类模型MB-CNN. 降低卷积核的使用个数，调节每个阶段卷积块的使用比例，设计轻量化主干网络L-Resnet，通过加深网络深度增强对深层语义信息的提取. 使用深度可分离卷积设计多尺度卷积块MultiBlock，利用MultiBloc深度挖掘病灶区域的特征，使用不同的卷积核提取不同尺寸病变的特征，提高网络对病变OCT图像的识别能力. 构建特征融合模块FFM，融合浅层信息和深层信息，充分提取病变特征的纹理和语义信息，提高对小目标病变的识别能力. 实验结果显示，MB-CNN在UCSD、Duke和NEH3个数据集上的总体分类精度分别达到97.2%、99.92%和94.37%，模型参数量明显降低，所提模型能够针对眼底的多种病变进行分类.

针对现有服务推荐方法中高阶服务特征提取不够充分的问题，提出基于超图卷积神经网络的多行为感知服务推荐方法(MBSRHGNN). 该方法根据服务交互类型和服务组合信息构建多重超图，基于谱分解理论和多重超图的功能结构特性以设计双通道超图卷积网络. 利用切比雪夫多项式近似超图卷积核来降低计算复杂度；在超图卷积过程中，结合多行为推荐方法和自注意力机制度量多行为交互之间的重要性差异，提出HG-DiffPool超图池化方法来降低特征维度；通过融合服务嵌入向量和超图信号，学习不同服务的推荐概率分布；爬取真实服务数据，构造不同稀疏度的数据集进行实验. 实验结果表明，所提的MBSRHGNN服务推荐方法能够适应数据高度稀疏的推荐场景，并且在推荐精确度和相关性上的表现优于现有基线方法.

为了综合分析YOLO（You Only Look Once）算法在提升交通安全性和效率方面的重要作用，从“人-车-路” 3个核心要素的角度，对YOLO算法在交通目标检测中的发展和研究现状进行系统性地总结. 概述了YOLO算法常用的评价指标，详细阐述了这些指标在交通场景中的实际意义. 对YOLO算法的核心架构进行概述，追溯了该算法的发展历程，分析各个版本迭代中的优化和改进措施. 从“人-车-路”3种交通目标的视角出发，梳理并论述了采用YOLO算法进行交通目标检测的研究现状及应用情况. 分析目前YOLO算法在交通目标检测中存在的局限性和挑战，提出相应的改进方法，展望未来的研究重点，为道路交通的智能化发展提供了研究参考.

考虑区域建筑群的动态生长特性，结合负荷计算理论、灰色 Verhulst 模型及等维新息灰色理论，采用 MATLAB 构建完整的区域动态冷热负荷预测方法，以常州高铁新城 2017—2022年的建筑面积为历史数据，对区域未来10年的冷热负荷进行预测. 结果表明，采用基于等维新息灰色理论的 Verhulst 灰色模型建立的3种业态面积预测方程拟合精度均达到一级. 高铁新城未来10年冷热负荷先快速增长后缓慢增长直至饱和，达到饱和的时间约为 2030 年，冷、热负荷饱和规模分别为 436、228 MW，与采用面积指标法的计算结果（冷负荷为472 MW、热负荷为 285 MW）相比，分别降低了约 7.52%、19.86%.

三维空间环境复杂，多无人机的低空突防航迹规划计算量大，现有多目标秃鹰搜索算法存在求解易趋于中心点及精度低的缺陷，为此提出基于改进多目标秃鹰搜索算法(IMBES)的三维多无人机低空突防方法. 构建三维环境模型、威胁源模型、无人机物理约束模型、多无人机协同约束模型以及路径平滑度约束模型，确定多目标代价函数. 设计耦合混沌映射初始化，有效提高初始化种群质量；设计基于“侦察鹰”的自适应高斯游走策略，平衡开发与搜索能力；引入快速非支配排序，进一步提高算法效率. 利用秃鹰位置与无人机速度、转弯角度、爬升角度的对应关系，采用IMBES高效搜索无人机构型空间，找到最优的帕累托前沿. 实验结果表明，IMBES的成功率为70.5%. 与现有路径规划方法相比，所提方法的优化能力强、能耗低，适用于多无人机协同低空突防.

现有类案检索研究忽略了模型应当蕴含的法律逻辑，无法适应实际应用中案件相似标准的要求；类案检索任务的中文数据集较少，难以满足研究需求现状. 为此提出基于法律逻辑、有较强可解释性的类案检索模型，构建以谓语动词为基础的案件事理图谱. 将各类罪名对应的法条知识融入所提模型，将提取的不同要素输入以神经网络为基础的评分器以实现准确、高效的类案检索. 构建针对类案检索任务、以易混淆罪名组为主要检索案由的Confusing-LeCaRD数据集，所提模型在LeCaRD数据集和Confusing-LeCaRD数据集上的归一化折损累计增益分别为90.95%和94.64%，在各项指标上均优于TF-IDF、BM25和BERT-PLI模型.

现有的交通流量预测方法关注交通信息的时空相关性，未充分考虑外部因素对交通的影响，为此提出融合静态和动态知识图谱的时空多图卷积交通流量预测模型. 基于道路交通信息和外部因素，构建城市交通知识图谱和4个不同语义的路网拓扑图，将城市交通知识图谱输入关系演化图卷积神经网络，实现知识嵌入；使用知识融合模块将车流量矩阵与知识嵌入融合；将4个路网拓扑图和融合知识的车流量矩阵输入时空多图卷积模块，提取时空特征，通过全连接层输出交通流量预测值. 在杭州交通数据集上评估模型性能，与先进的基线模型对比，所提模型的性能提高了5.76%~10.71%. 鲁棒性实验结果表明，所提模型具有较强的抗干扰能力.

基于改进遗传算法研究倾转旋翼无人机（TRUAV）在多障碍物约束下的区域覆盖路径规划问题. 运用最小跨度算法和往返路径生成算法进行任务区域内的覆盖路径初规划，将区域覆盖问题转化为旅行商问题以优化覆盖路径顺序. 为了避开区域内的障碍物，提出鱼尾形避障策略. 引入最近邻算法，生成比传统遗传算法质量更高的初始种群，设计三点式交叉算子和动态区间变异算子进行遗传操作以提高所提算法的全局搜索能力，避免算法陷入局部最优. 在含多个障碍物的多边形区域算例内仿真验证所提算法的性能. 结果表明，相比于逐行路径覆盖算法和传统遗传算法，所提算法的覆盖路径长度减少了7.80%，TRUAV的任务区域覆盖效率显著提升.

基于实际脉冲型地震动数据建立钢框架结构的Abaqus有限元模型，建立钢框架结构4种形式（最大底部剪力、最大底部弯矩、最大层间位移角和顶层位移）的地震需求概率模型. 为了方便模型应用和明确模型参数的物理意义，构建模型时在规范方法和力学原理计算结果的基础上增加修正项，基于贝叶斯方法进行模型优化和参数估计. 结果表明，所建立的4种地震需求概率模型能够获取有限元数值解的无偏估计. 以最大层间位移角概率模型为例，可以得到20层钢框架结构的地震易损性曲线. 相对于普通类型地震动作用，钢框架结构在脉冲型地震动作用下的失效概率显著偏大.

针对由散射、吸收和色偏等多种因素导致的水下图像模糊、对比度低、图像失真辨识困难的问题，提出基于改进CycleGAN的多失真类型水下图像增强算法. 为了提高图像增强效果，在CycleGAN的生成器中采用Auto-Encoder+Skip-connection的网络结构，添加全局色彩校正结构，从像素方面以及颜色方面进行全局增强，从而更好地捕捉水下图像中的色彩信息. 设计多维感知判别器来学习图像的全局特征和局部特征，此设计更加注重图像局部细节部分，有效针对散斑和色彩噪声，从多维空间上感知图像，提取特征能力更强，从而能提高图像判别的精度. 在EUVP、UIEB和U45数据集上的实验结果表明，所提出的方法取得了较好的结果，相较其他算法，在处理多种水下失真类型的图像方面，该算法的SSIM指标平均比第2名高出1.57%、PSNR指标高出1.836%、UIQM指标高出1.324%、UCIQE指标高出1.086%，在处理颜色和噪声细节方面表现出色.

针对路面病害生成和恶化的预测问题，提出应用图卷积神经网络的路面病害态势预测方法. 通过聚类算法建立拓扑网络，选取目标病害在演化过程中的主要影响因素；为了增强图神经网络对病害信息的表达能力，采用图拓扑增强的方法，从静态和动态方面分别构造与病害信息相关的视图；采用图神经网络(GNN)架构增强的方法，在视图维度上应用注意力机制调整不同视图的影响力，并在时间维度上应用Transformer和GRU模块，增强模型在长时间序列中对病害状态的预测性能. 设计模型的内部调整测试，经消融试验、多样本测试和超参数对照组的验证，证明所提模型的适用性和稳定性. 针对大型稀疏的路面病害数据集，此模型的平均绝对误差均值收敛在4.0以内，综合性能优于传统预测算法.

针对太阳能无人机高效发电系统的应用需求，提出集成光/储一体化设计的LLC谐振型三端口DC-DC变换器拓扑及其先进控制策略. 采用时域分析的方法，对该三端口变换器在不同功率传输模式下谐振腔具有的多种工作模式进行分析，并采用移相控制实现对3个端口之间功率的灵活控制. 为了得到准确的变换器增益特性的数学表达式，采用多项式近似的方法，拟合时域分析得到的增益曲面，并在此基础上提出解耦控制策略. 解耦环路的设计能够有效降低三端口变换器多控制环路之间的功率耦合程度，优化动态性能. 搭建500 W的试验样机，对该三端口电路拓扑的稳态运行特征、模式动态切换过程以及解耦环路的设计进行验证. 实验结果表明，该时域分析方法能够准确描述电路特征，同时解耦环路能够有效降低控制环路之间的功率耦合程度，提升系统的动态响应性能.

为了提高欠采样并行磁共振成像的图像重建质量，提出基于变分模型和Transformer的多尺度并行磁共振成像重建模型(VNTM). 该模型利用欠采样多线圈k空间数据来估计灵敏度图，并利用中期增强策略以提高灵敏度图的准确性. 将欠采样多线圈k空间数据和估计的灵敏度图输入变分模型进行重建，在变分模型中，通过前处理模块对图像数据进行降分辨率处理，以减少计算负担. 通过具有Transformer的多尺度U型网络，实现多尺度特征的有效融合. 使用后处理模块恢复分辨率，并对输出数据进行数据一致性操作以确保保真度. 在公开数据集进行大量定量和定性实验以验证所提方法的有效性. 结果表明，在峰值信噪比、结构相似度和视觉效果方面，所提出的重建模型均表现出更优的重建质量和更稳定的重建性能. 多组消融实验和不同自校准信号(ACS)区域大小的鲁棒性实验，验证了VNTM在不同条件下均能保持良好的重建性能.