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。

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。

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。

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。

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。

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。

绿藻光合产氢具有能量转化效率高、环境友好、原料丰富等优势，在太阳能利用和氢能生产方面具有光明的应用前景。从绿藻光合产氢的生物学机理出发，分析了限制绿藻光合产氢的潜在因素，总结了各类提升绿藻光合产氢效率的方法，并简要评述了绿藻光合产氢实现商业化应用所面临的主要问题及发展趋势，为未来绿藻光合产氢的大规模应用提供参考。

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点，其中，双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks，PINN）启发，构造了改进的PINN算法，近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入，将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值，通过网络优化，最小化损失函数，得到最优网络参数。最后用数值算例验证了算法的可行性，数值结果表明，本文算法能捕捉激波，分辨率高，且未产生伪振荡。

图嵌入算法是将高维网络信息映射至低维后用实数向量表示的一种方法，用于解决推荐系统、社区发现及节点分类等。近年来，随着科技的进步，图数据呈现海量、异构、高维、多模态等特点，机器学习等人工智能算法对高性能的图嵌入算法的需求日益增加，图嵌入已成为国内外人工智能领域的研究热点之一。对图嵌入算法的研究进展、技术原理及基础理论进行了综述，系统概述了已有的主流图嵌入算法，包括基于降维方法的图嵌入、基于矩阵分解的图嵌入、基于网络拓扑结构的图嵌入、基于神经网络的图嵌入、基于生成式对抗网络的图嵌入和基于超图网络的图嵌入，对这些算法进行了分析与比较，并给出了相应的应用场景；归纳总结了常用的测试数据集及其评价标准；最后，展望了图嵌入算法的研究趋势和方向。

旋转曲面方程是高等数学中向量代数与空间解析几何教学的重点内容之一。现有的高等数学教材较多涉及与坐标轴共面的曲线绕坐标轴旋转所成的曲面方程求解问题。以坐标平面上曲线绕坐标轴旋转所成的旋转曲面方程为基础，通过寻找2个坐标系之间的姿态和相对位置，利用方向角和转轴公式推导了空间曲线绕定直线旋转所成的一般旋转曲面方程。提出的一般旋转曲面方程求解方法是对旋转曲面方程教学内容的有益补充，具有一定的参考价值。

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。

笔法与结构对文字观感的影响是中国书法文化的重要研究命题，也与数字书法领域审美评价技术相关联。但以往对该命题主要为定性讨论。本文结合计算机样条曲线及审美量表等技术，设计了一种实验方法对其进行量化研究。首先，选取78个高频字的6种有代表性的楷书体文字作为样品，自编软件并招募测试人员对其标注结构特征点，并用参数曲线建模输出“去除笔法”后的样品图，再进一步经严格定义的“统一结构”操作进行处理，共获得3组样品图，每组468幅。然后，编制审美量表，招募测试者以随机分配的方式对3组样品评测美感和风格。最后，对评测数据进行统计分析。结果显示，对于楷书文字的风格而言，笔法的影响远高于结构；对于文字的美感而言，笔法的作用也大于结构，但影响有限。该结果局限于实验选定的几种经典的楷书文字，且其定义的“去除笔法”和“统一结构”并不能完全涵盖以往经验理论中的相关概念范围。研究表明，自然学科的方法可用于研究书法学中的命题。

长江流域在我国水资源配置体系中具有重要地位，对其进行水质预测尤为重要。基于现有研究结果，结合循环神经网络（recurrent neural network，RNN）中的门控循环单元（gate recurrent unit，GRU）模型与全连接神经网络（fully connected neural network，FCNN），提出了改进的多元水质指标预测（MWQPP）模型，并用其预测长江流域水体的pH、溶解氧（DO）、高锰酸盐指数（CODMn）、氨氮（NH₃-N）。基于长江流域2011—2018年23个水质监测点7 566条原始数据，经对比实验，证明了用MWQPP模型预测得到的均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和决定系数（R²）均优于传统水质预测模型，有效提升了水质预测的精度，具有较好的鲁棒性，为水质预测和流域管理提供了科学支撑。

对经典的数列极限进行了推广，通过引入几乎收敛的定义，证明了几个重要性质以及数列几乎收敛的充分必要条件，建立了几乎收敛与严格收敛之间的等价关系。以{\mathbf{R}}^n上的Lebesgue测度为基础，建立了{\mathbf{R}}^n子集的密度概念，引入了可测函数几乎收敛的定义，证明了与数列几乎收敛平行的若干性质，以及函数几乎收敛基本定理。给出了函数几乎连续的定义，利用Lebesgue微分定理，证明了任意可测函数在{\mathbf{R}}^n上几乎处处几乎连续。

网络关注度是测量潜在旅游者对目的地旅游关注情况及需求变化的重要手段之一。基于百度指数，以我国31个省（区、市）（不含港、澳、台）的泰国旅游网络关注度为研究对象，运用季节性强度指数、地理集中度指数、赫芬达尔-赫希曼指数、地理探测器等方法，探讨我国居民对泰国旅游网络关注度的时空演化规律及其影响因素。结果表明：从时序演化上看，2011—2019年泰国旅游网络关注度呈波动上升态势，可划分为快速上升期和平稳发展期2个阶段，地区季节性差异显著，3月、7月、12月为泰国旅游网络关注度的高峰时段；从空间分异上看，泰国旅游网络关注度空间分异变化不大，空间集聚趋于分散状态，整体呈“东高-西低”的阶梯状递减特征，高关注度地区主要集中在东部地区及四川省，低关注度地区则主要分布于除四川省外的西部省份；从影响因素上看，经济发展水平（人均可支配收入、GDP）、交通便利程度、贸易开放度以及国际旅游开放度共同影响泰国旅游网络关注度的空间分布格局。