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.

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%.

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.

为了引入电池表面原位膨胀力拓展电池荷电状态(SOC)估计的输入数据维度从而提高估计精度，开展磷酸铁锂电池在不同温度和电场下的机械特性与电化学特性研究，包括设计并搭建电池多物理场信号采集台架，开展不同温度下的开路电压(OCV)测试、混合功率脉冲测试(HPPC)、表面原位膨胀力测试，分析电池的机械与电化学特性及其在不同工况下的多物理场行为. 结果表明，电池表面原位膨胀力随着SOC增加先增大后减小再增大，较开路电压对SOC的灵敏度更高. 膨胀力曲线的极值点位置受温度的影响较小，随温度升高有微小延后；受电流的影响较大，随电流增大明显提前并逐渐消失. 电池内阻随温度升高而明显下降，开路电压曲线在不同温度下具有较高的一致性. 实验研究展示了膨胀力信号在电池SOC估计应用中的潜力，为基于膨胀力信号的电池SOC估计提供理论基础和数据支持.

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.

为了实现高效地将任务分配给每个智能体，为智能体规划出尽可能短且不与其他智能体发生碰撞的路径，提出多目标多智能体路径规划方法. 针对传统路径规划算法使用离散时间导致成功率低的问题，该算法定义连续时间下智能体间的冲突定义与解冲突方式，在A*算法的基础上引入安全间隔与标签的概念，使得A*算法可以规划出满足连续时间约束的最优路径. 针对多智能体路径规划问题中因碰撞检测、冲突避免造成的较大计算量，提出冲突分级策略，减少了算法求解过程中扩展的节点数量. 实验结果表明，利用所提出的算法能够求解得到更优的解决方案，且该算法具有更好的适用性；在智能体分布密集的场景下，该算法表现出更低的路径总成本和更高的求解成功率.

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.

为了解决表格数据中数据缺失对后续任务产生的不利影响，提出使用扩散模型进行缺失值插补的方法. 针对原始扩散模型在生成过程中耗时过长的问题，设计基于加速扩散模型的数据插补方法（PNDM_Tab）. 扩散模型的前向过程通过高斯加噪方法实现，采用基于扩散模型的伪数值方法进行反向过程加速. 使用U-Net与注意力机制相结合的网络结构从数据中高效提取显著特征，实现噪声的准确预测. 为了使模型在训练阶段有监督目标，使用随机掩码处理训练数据以生成新的缺失数据. 在9个数据集中的插补方法对比实验结果表明：相较其他插补方法，PNDM_Tab在6个数据集中的均方根误差最低. 实验结果证明，相较于原始的扩散模型，反向过程使用扩散模型的伪数值方法能够在减少采样步数的同时保持生成性能不变.

鉴于阵列车间手工排产难以适应复杂多变的生产需求，构建可重入混合流水车间批量流调度问题（RHFSP-LS）模型，提出改进多目标候鸟优化算法进行求解. 设计基于非支配排序、加权总和与外部档案集的多目标候鸟优化算法. 利用Logistic混沌映射和NEH算法，提高了初始种群的质量. 提出“子批优先”+“批次优先”的解码策略，提升了算法对于特殊问题的求解能力. 提出基于个体年龄的邻域搜索，优化了种群的邻域搜索方向. 提出结合外部档案集的逃逸机制，提升了算法的全局搜索能力. 通过实验验证了所提策略及算法在解决RHFSP-LS上的有效性与优越性，保证了整体生产周期与各工艺批次交货期限的有效平衡.

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.

道面覆盖物（水/冰/雪）的超声波回波信号信噪比(SNR)较低，导致起振点难以准确提取，影响渡越时间(ToF)的估计精度. 为此，提出基于总变差和贝叶斯估计的自适应卡尔曼滤波方法(TV-BAKF). 该方法利用总变差法分析滑动窗口内的噪声分布，获取反映信号噪声水平和特征的差分因子，并结合贝叶斯估计动态调整过程噪声协方差和测量噪声协方差. 进行仿真测试，并与其他滤波方法（改进小波变换、改进Savitzky-Golay(S-G)滤波、自适应无迹卡尔曼滤波(AUKF)、变分贝叶斯自适应卡尔曼滤波 (VBAKF)）的效果进行对比. 结果表明，TV-BAKF在兼顾滤波后信号平滑度的同时，相位和幅值保真度分别达0.915 rad和0.917，且噪声滤除效果较好，均方误差低于0.342. 对5类覆盖物（水、冰、雪浆、湿雪和干雪）的测试表明，TV-BAKF对冰、水和雪浆的深度检测的平均误差小于0.55 mm，对湿雪和干雪的平均误差不超过0.96 mm，验证了其在低信噪比条件下ToF估计的高精度特性.

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.

随机缺陷具有微尺度、形态和类型多样的特点，传统机器学习模型的缺陷检测精度和泛化性能欠佳，为此提出基于改进YOLO-v8的多源管件表面缺陷检测方法. 为了获取管件全局信息，构建基于焦距可调的管件全表面图像采集系统，对不同类型管件样本进行快速、高效的高清成像. 针对样本来源多样性问题，在YOLO-v8模型的主干特征提取模块中嵌入渐进特征金字塔网络（AFPN）架构，在瓶颈卷积特征层中融合封装-激励（SE）注意力机制，有效提升缺陷检测模型的泛化性. 通过视频抽取关键帧及静态定焦拍摄相结合的方式，对标定后的图像构建训练集和测试集，采用改进YOLO-v8算法自动识别管件表面缺陷. 实验结果表明，所提方法在推理阶段的检测mAP50为82.2%，相比传统YOLO-v8提升了3.1个百分点. 该结果为金属目标的缺陷通用性检测提供了参考.

针对共享单车短期借还量预测中存在的空间范围小、模型时空信息捕捉能力不足及准确性有限等问题，提出基于多通道图聚合注意力机制的预测方法. 根据共享单车在不同区域的流量，采用基于流量调整的虚拟站点划分方法，将城市划分为多个共享单车虚拟站点，并以站点间的借还量矩阵构建动态邻接矩阵，形成共享单车图网络结构. 通过多通道图聚合模块捕捉不同时间段的站点空间信息，并结合多头自注意力模块捕捉时间相关性. 引入交叉注意力机制模块，结合外生变量，获取不同变量之间的潜在联系. 在深圳市和纽约市进行实验，结果表明，与其他深度学习方法相比，该模型在不同时间段和地区均表现出显著优势，保持了稳定且较低的预测误差，证明了动态邻接矩阵以及融合外部特征的交叉注意力机制模块能够有效提高共享单车借还量的预测准确率.

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.

针对三重移相协同控制（CTPS）加入桥臂死区后，会导致双有源桥（DAB）变换器回流功率发生及软开关失效的问题，提出针对CTPS控制的死区补偿策略. 通过分析CTPS控制不同模式下桥臂死区引起的变压器原副边电压及漏感电流的变化，基于回流功率产生的原理，更正了不同模式移相比之间的耦合关系，对功率传输模型及CTPS控制模式的切换条件进行修正，实现了死区对CTPS控制影响的有效控制. 利用所提的补偿方案，抑制了由死区引起的回流功率，恢复了CTPS控制的软开关性能，具有较补偿前更优的电流应力. 分别开展死区补偿前、后的实验，对死区影响的分析和所提出的补偿策略进行验证.

针对用户热负荷评估不精确导致的供热系统供热不均衡问题， 建立基于机理的供热负荷量化模型，基于用户热负荷的精确量化，提出供热二级网的运行优化方法. 根据建筑特性和气候条件分析不同用户的实际用热需求，结合管网水力和热力建模分析，采用粒子群优化算法，对用户和二次侧阀门开度进行寻优，得到匹配用户负荷的最佳阀门开度调节策略. 案例分析结果显示，优化后热用户的回水温度整体方差较优化前降低了12.16%，二级网循环水泵电耗减少了16.46%. 在保证供热系统水力平衡的基础上，满足了用户的个性化供热需求，有效提升了热用户舒适度，减少了能源消耗.

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.

针对现有基于图神经网络和注意力机制的交通流预测模型在处理复杂时空相关性、克服预定义图结构局限性以及捕捉周期性特征方面的不足，提出多时间尺度自适应图注意Transformer（MSAGAFormer）模型. 该模型将短期、中期和长期历史交通数据各自细分为低、中、高3种不同时间尺度的数据序列，并采用压缩机制以降低冗余信息、提升时序特征的表达效率. 通过设计时空嵌入方法对节点位置与时间特征进行编码，强化模型对时空数据的理解. 空间层采用基于GAT的多头注意力机制以建模动态空间相关性，时间层引入多尺度时间注意力结构以捕获不同时间粒度下的动态变化特征. 在PEMS数据集上的实验结果显示，MSAGAFormer在预测精度上优于目前较为先进的Trendformer、ATST-GCN、STTN等模型.

针对配备电子机械制动(EMB)系统的车辆在弯道发生制动失效时易发生失稳跑偏的问题，提出结合制动力重构和路径跟踪的控制策略. 针对黏菌优化算法(SMA)的缺陷，引入高斯扰动和分阶段寻优改进算法的不足. 使用改进的黏菌算法，对线性二次调节器(LQR)的权重矩阵进行寻优. 当检测到EMB系统出现单轮失效时，利用改进的LQR算法计算车辆的横摆力矩，对制动力进行重构以维持车辆稳定. 对纯跟踪算法进行改进，通过转移跟踪控制点，提高算法的响应速度. 引入自适应模糊算法以考虑路面、速度各动态因素的影响，提高算法的适应性. 当检测到EMB系统出现双轮失效时，利用路径跟踪的方法，使车辆沿既定路线行驶直至安全停止. 试验结果表明，相较于传统方法，单轮失效下的横向偏差最大下降了59.15%，双轮失效的横向偏差最大下降了41.95%. 利用该控制策略，可以更有效地保证弯道制动失效时的行车安全.