摘要:针对现有深度学习算法在壁画修复时，存在全局语义一致性约束不足及局部特征提取不充分，导致修复后的壁画易出现边界效应和细节模糊等问题，提出一种双向自回归Transformer与快速傅里叶卷积增强的壁画修复方法.首先，设计基于Transformer结构的全局语义特征修复模块，利用双向自回归机制与掩码语言模型（masked language modeling， MLM），提出改进的多头注意力全局语义壁画修复模块，提高对全局语义特征的修复能力.然后，构建了由门控卷积和残差模块组成的全局语义增强模块，增强全局语义特征一致性约束.最后，设计局部细节修复模块，采用大核注意力机制（large kernel attention， LKA）与快速傅里叶卷积提高细节特征的捕获能力，同时减少局部细节信息的丢失，提升修复壁画局部和整体特征的一致性.通过对敦煌壁画数字化修复实验，结果表明，所提算法修复性能更优，客观评价指标均优于比较算法.

摘要:目前一些基于CNN的方法在去雾方面有着不错的性能，但网络鲁棒性欠佳.这主要归因于雾霾分布复杂和数据集难以收集，导致去雾过程中纹理细节丢失严重并且在小规模数据集上存在严重的过拟合问题.为了解决上述问题，提出了空频联合的双分支结构.上分支捕获更多的纹理细节，利用三级小波变换在频域中获取特征；下分支提升网络泛化能力，采用域迁移方法在空域中提供额外的知识先验，以Res2Net作为该分支的核心部分.最后，本文在NH-HAZE数据集上对模型进行训练，在I-HAZE和NTIRE 2023数据集上进行泛化能力测试.此外，为了保证实验的公平性，本文对所有对比算法也采用NH-HAZE数据集进行训练.实验结果表明，本文网络在细节纹理恢复和泛化能力方面获得了显著提升.

摘要:针对假人脸和真实人脸纹理的显著差异，提出了一种基于纹理特征的人脸伪造检测模型.首先，以ResNet18为主干网络，结合通道注意力机制和残差网络解决网络退化的问题，并建立通道之间的联系以提取深层特征；其次，运用自相关矩阵来量化图像块之间的相关性，捕捉图像中不同尺度的特征以获取全局统计特征；最后，通过在自相关模块的每个池化层后引入Gabor滤波器，提取图像的局部纹理特征，全面描述图像内容，并采用Softmax函数对输入图像进行层次化分类.实验结果表明，对于不同的图像增强方法编辑的假图像，该方法有效提升了检测准确率.

摘要:点云配准的核心是估算变换矩阵.两个点云对之间存在部分重叠、高噪声和密度差异，现有方法无法精确解决显著点云对应关系之间特征对齐问题.因此，提出显著性峰值与特征对齐网络（significance peak and feature alignment network， SPFANet），实现由粗到细的点云配准.SPFANet由多显著性峰值检测器、粗配准和细配准三部分组成.首先，多显著性峰值检测器引入一种基于描述符方差和重叠分数重加权峰值损失方法，去除非歧视与非重叠的关键点云；其次，粗配准阶段通过检测互补关键点集来计算粗步的配准方案；最后，细配准阶段引入带有前向后向变换的特征度量框架细化粗配准，完成高效点云配准.在同源3DMatch数据集和跨源3DCSR数据集上的实验验证了SPFANet的有效性.

摘要:针对复杂背景下航空遥感图像中多类别小尺度目标特征的理解困难和特征边界分割不清晰的问题，本研究构建了一种新型的分割模型，该模型通过综合主干网络特征并进行特征分类与重构来提升分割效果.模型以Swin-Transformer作为基础编码结构，利用其强大的全局语义信息捕捉能力进行特征抽取.进一步，本研究创新性地提出了信息聚合重构模块（IGRM）和通道区分重构模块（CRRM），这两种结构能够依据信息量对抽取的特征进行分类和重构，以此细化了对小尺度目标特征的处理.模型结合了上采样与下采样的特征连接，并将重构特征与编码器特征融合，形成多尺度特征聚合块，进而输出精确的分割结果.在处理复杂背景下的多目标场景时，本模型能够对细小尺度目标特征进行精确重构，生成高分辨率的分割图像，显著提升了分割的准确度.在ISPRS Potsdam和ISPRS Vaihingen数据集上，本模型取得了平均交并比（mIoU）分别为87.15%和82.93%、整体准确率（OA）分别为91.53%和91.4%的优异表现.为评估模型对多类别小尺度目标特征提取的泛化性能，本文还进行了针对复杂背景下小车类别的对比实验，在UAVid数据集上的mIoU达到了67.86%.

摘要:现有的目标检测算法对小型无人机存在难以有效检测、受复杂环境影响以及网络模型复杂等问题，为此提出一种基于YOLOv8的改进型无人机目标检测算法.首先，针对远距离飞行的无人机目标较小的问题，添加一个融合了浅层特征的新的极小目标检测层，同时剔除最大目标检测层，以实现优化目标尺度聚焦并降低网络的复杂度；其次，在Backbone网络中引入GhostConv模块，进一步减少模型的参数量，然后，在Neck网络中融合LSKA模块中的注意力机制，将C2f模块中的Bottleneck用LSKA进行替换，设计全新的C2f-LSKA模块代替Neck中的C2f模块，提高模型对上下文的感知能力和对空间信息的处理能力；最后，采用WIoUv3作为边界损失函数，进一步提高模型精度.实验结果表明，与原模型相比，改进的模型在自建无人机数据集上的精确度P提升了5.0个百分点，召回率R提升了11.9个百分点，mAP@0.5提升了9.5个百分点，改进后的模型参数数量和模型大小分别降低了68.9个百分点和65.1个百分点.

摘要:为解决现有目标跟踪算法深层次特征提取困难、不能充分利用跨模态信息以及目标特征表示较弱等问题，提出了基于孪生网络的特征融合位移RGB-T目标跟踪算法.首先，基于可见光模态SiameseRPN++的目标跟踪框架，扩展设计红外模态分支，以获得多模态目标跟踪框架，设计了改进步长的ResNet50作为特征提取网络，有效挖掘目标的深层次特征.随后，设计特征交互学习模块，利用一种模态的判别信息引导另一种模态的目标外观特征学习，挖掘特征空间和通道中的跨模态信息，增强网络对前景信息的关注.然后，设计多模特征融合模块计算输入的可见光图像和红外图像的特征融合度，对不同模态的重要特征进行空间融合以去除冗余信息，并采用级联融合策略重建多模态图像，增强目标特征表示.最后，设计特征空间位移模块，分割红外模态分支的特征图并向四个不同方向移位，增强热源目标特征的边缘表示.在两个RGB-T数据集上的实验验证了提出算法的有效性，消融实验证明了设计的单个模块的优越性.

摘要:针对车联网计算任务动态卸载成功率和数据传输效率低的问题，基于多智能体深度强化学习设计了多层分布式车联网边缘计算任务动态卸载策略.首先融合软件定义网络和移动边缘计算设计了多层分布式车联网边缘计算系统模型，实现在不同层次上的协同调度优化，更好地满足移动车辆资源动态分配和任务实时处理的需求；之后从车辆计算任务卸载成功率和数据卸载速率两方面考虑，提出了一种多智能体深度强化学习算法框架，利用多智能体系统的协作学习，使车载边缘系统自主选择最优任务卸载决策；同时引入动作空间搜索优化和优先经验回放机制，进一步提升动作空间的有效搜索，提高任务卸载决策的稳定性和准确性；最终在以上算法框架和优化机制的基础上，设计了多层分布式车辆任务卸载决策优化算法，保证车辆能根据当前网络状态和任务大小，以最小的任务传输时间和高效的卸载成功率完成计算任务卸载.仿真结果表明，与已有的卸载方法相比，本文所提方法在计算任务卸载成功率方面提高了5%~20%，在数据传输效率方面平均提高了17.8%.

摘要:无人机通信面临路径损耗和组间干扰等问题.为了满足离散用户通信需求，实现无人机组网的静态部署并最大化能效，本文针对多比凹凸函数分式规划问题进行研究，提出一种凸优化协同群体智能优化策略，该策略将原问题解耦为功率控制与高度优化问题并迭代求解.首先，引入视距概率路径损耗模型，通过俯仰角研究部署高度与水平距离之间关系，将部署问题三维化.其次，利用二次变换解耦原问题，旨在提升视距概率链路下的系统能效.最后，提出快速反馈粒子群算法对高度进行部署，以解决复杂多目标协同优化问题.仿真结果表明，在本文模型下，该策略能够实现算法复杂度与准确性之间平衡，对无人机基站进行高效准确部署.

摘要:现有基于深度学习的源代码漏洞检测方法主要针对单一编程语言进行特征学习，难以对混合编程语言软件项目因代码单元间的关联和调用产生漏洞进行有效检测.因此，本文提出了一种基于深度学习的混合语言源代码漏洞检测方法DL-HLVD.首先利用BERT层将代码文本转换为低维向量，并将其作为双向门控循环单元的输入来捕获上下文特征，同时使用条件随机场来捕获相邻标签间的依赖关系；然后对混合语言软件中不同类型编程语言的函数进行命名实体识别，并将其和程序切片结果进行重构来减少代码表征过程中的语法和语义信息的损失；最后设计双向长短期记忆网络模型提取漏洞代码特征，实现对混合语言软件漏洞检测.在SARD和CrossVul数据集上的实验结果表明，DL-HLVD在两类漏洞数据集上识别软件漏洞的综合召回率达到了95.0%，F1值达到了93.6%，比最新的深度学习方法VulDee- Pecker、SySeVR、Project Achilles在各个指标上均有提升，说明DL-HLVD能够提高混合语言场景下源代码漏洞检测的综合性能.

摘要:为了提升合成韵律的自然度和稳定性，提出了基于音素级韵律建模的自回归语音合成模型.该模型从词级别停顿和音素时长两方面改进韵律建模.为了提升词级别停顿的多样性和准确性，在文本前端提出了停顿预测模块.该模块基于原始文本来预测多类停顿标签，从而为语音合成提供停顿时长建模的准确参考.为了提升音素时长的自然度，提出了时长预测模块.该模块预测每个音素的混合高斯分布，并通过随机采样来获得多样化的音素时长.为了提升自回归模型中的音素时长建模的稳定性，提出了注意力判别模块.该模块应用于自回归的每个时间步中，并通过注意力和判断机制来避免对齐紊乱现象.实验结果表明，所提三种模块可有效提升韵律建模的自然度和稳定性，从而提升语音合成的效果.

摘要:电子病历数据类型多样以及时序不规则，现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题，本文提出了一种基于多域图神经网络的疾病预测模型.该方法首先利用一个结合编码级注意力和时间感知LSTM的时序特征学习模块获得患者每次就诊的初始特征表示.然后，根据就诊序列中不同就诊间的相关性和时间间隔信息分别构建了一个就诊亲和图和一个就诊时序图，并通过图卷积神经网络从图中挖掘就诊记录间的静态语义关联和动态时序依赖.最后，利用一个基于自注意力机制的多域特征融合模块将时序特征和语义关联特征结合起来得到最终的患者融合特征表示，用于患者未来的疾病预测.在两个真实临床数据集上的实验结果表明，本文方法超过其他现有的方法获得了更高的预测准确性.

摘要:为了提高钢材缺陷检测精度，提出一种基于YOLOv5s的缺陷检测算法YOLOv5s-FNCE.首先，在骨干特征提取网络中加入新型NAMAttention注意力机制，提高对目标的感知和区分能力；并提出新型的C3-Faster，通过减小内存访问和冗余计算更有效地提取特征；在特征融合网络和输出端引入位置卷积CoordConvs，增强目标的语义感知能力和全局感知能力；最后，引入新的损失函数Focal-EIoU，以加快收敛速度，提高回归精度.实验结果表明，YOLOv5s-FNCE算法在钢材表面缺陷数据集上的均值平均精度达到了75.1%，比原始YOLOv5s提高了1.7个百分点，检测速度则提升了20.5%，证明了该算法在钢材缺陷检测中能够有效提升检测速度和检测精度.

摘要:利用极端梯度提升与支持向量回归，同时结合猎人猎物优化算法的优势，提出了一种融合极端梯度提升和支持向量回归的滑坡位移预测模型.首先采用极端梯度提升（extreme gradient boosting， XGBoost）进行滑坡位移初步预测，进一步利用猎人猎物优化算法（hunter-prey optimizer， HPO）优化支持向量回归（support vector regression， SVR）的超参数而构建了一种组合预测模型（HPO-SVR）以修正XGBoost的预测结果.两组滑坡位移实测数据表明：HPO算法通过不断更新猎人与猎物位置的动态寻优策略，获得了更加合理的SVR的超参数.相对于XGBoost、SVR，以及其与粒子群优化算法、遗传算法和HPO的组合预测模型而言，XGBoost-HPO-SVR组合模型在阳屲山滑坡和脱甲山滑坡位移预测中取得了良好的效果，其均方根误差和平均绝对误差分别为3.505和1.357，0.550和0.538.

摘要:研究聚焦政府监管与消费者维权作用下电商平台大数据杀熟治理问题，引入维权成本分担机制和惩罚性赔偿，构建政府-电商平台-消费者三方演化博弈模型，探究电商平台大数据杀熟有效抑制因素.研究表明：1）电商平台不会放弃大数据杀熟；2）提高监管成功率，加大政府处罚力度，提高惩罚性赔偿系数、维权率和维权成功率能有效抑制大数据杀熟；3）分担维权成本并不能有效抑制电商平台大数据杀熟.

摘要:现有EDA工具通过在密度约束条件下使半周长线长（half-perimeter wirelength， HPWL）总和最小化方法来解决集成电路物理版图设计中标准单元的全局布局问题.然而，HPWL 的不可导性使得基于梯度的先进求解方法无法直接应用于全局布局.因此，布局中通常使用加权平均线长（weighted-average wirelength， WAWL）模型来近似 HPWL，但无法兼顾平滑度和精度.因此，本文提出了一种改进的自适应加权平均线长（SaWAWL）模型，通过每条连线实际长度自适应地调整各自的加权因子γ，在保证平滑度的同时使拟合HPWL的误差更小，提高了标准单元全局布局质量.基于所提出的模型实现了一个全局布局器，并完成了在DAC 2012 开源基准上的验证.结果表明，该模型可以使半周长线长总和减少3.69%.

摘要:采用喷雾造粒与放电等离子烧结法，成功制备了具有双重网络结构的纳米SiC颗粒/晶须混杂增强8009Al/6061Al复合材料（aluminum matrix composite with dual network structure，AMC-DNC），并同时制备SiC增强相在8009Al/6061Al基体中均匀分布的复合材料（aluminum matrix composites with uniform structure，AMC-US）.本研究对两种复合材料的微观组织和摩擦磨损性能进行了深入探讨.测定了AMC-DNC和AMC-US在不同载荷和转速下的摩擦系数与磨损率，并结合扫描电子显微镜观察磨损形貌，深入分析了双重网络结构对复合材料磨损机制的影响.实验结果表明，放电等离子烧结法制备的AMC-DNC和AMC-US的致密度分别高达98.1%和99.2%.在低载荷、低转速条件下，AMC-DNC的主要磨损机制为磨粒磨损，其中颗粒的脱离导致氧化膜破裂，进而造成材料表面损伤.而在较高载荷和较高转速条件下，磨损机制转变为剥层磨损.在相同的摩擦磨损实验条件下，AMC-DNC展现出优于AMC-US的摩擦磨损性能，表明双重网络构型的设计在提升复合材料耐磨性能方面有显著作用.

摘要:采用扫描电镜、透射电镜和室温拉伸测试研究了双级时效工艺对铸造Al-Si-Mg-Cu合金微观组织和力学性能的影响.本研究采用的双级时效制度是低温预时效和高温终时效.结果表明：合金在低温预时效阶段会形成更多析出形核点，经高温终时效后，合金中析出更多的θ′′相并有β′′相析出.当预时效制度为155 ℃/8 h时，随着终时效温度的升高，合金内θ′′相的尺寸逐渐增大，β′′相形貌变化并不明显，合金的抗拉强度随着终时效温度的升高呈先上升后下降的趋势，合金的延伸率随着终时效温度的升高呈显著下降的趋势，165 ℃为合金较好的终时效温度；当双级时效制度为155 ℃/ x h+165 ℃/2 h时，随着预时效时间的增加，合金中θ′′相和β′′相的数量逐渐增多；当双级时效制度为155 ℃/8 h+165 ℃/x h时，随着终时效时间的增加，θ′′相的尺寸呈逐渐增大的趋势，在终时效时间为8 h之前，合金中β′′相的数量和尺寸并没有明显变化，继续延长终时效时间β′′相也开始长大.通过优化双级时效工艺，可实现θ′′ 相与β′′相的双析出相强化，经过155 ℃/8 h+165 ℃/2 h双级时效后的抗拉强度最高可达 380 MPa，经过155 ℃/8 h+165 ℃/8 h双级时效后的断后延伸率提高至3.4%.

摘要:以超强耐热航空齿轮钢12Co14Ni6Cr5Mo4VNb圆柱齿轮为研究对象，采用高频脉冲法开展了不同表面改性齿轮弯曲疲劳性能试验研究，通过试验数据处理及轮齿失效机理分析，揭示了不同表面改性对超强耐热航空齿轮钢齿轮承载性能影响规律.研究结果表明：普通喷丸对超强耐热航空齿轮钢齿轮表面无明显强化效果，超强喷丸能够显著提高超强耐热航空齿轮钢齿轮表面残余压应力，相对于普通喷丸齿轮，超强喷丸齿轮弯曲疲劳极限提高了36.04%；超强耐热航空齿轮钢齿轮对齿面粗糙度敏感性较强，粗糙度Ra≤0.2的齿轮较粗糙度0.3≤Ra≤0.4的齿轮弯曲疲劳极限提高了16.58%；弯曲疲劳试验齿轮渗碳层近表面组织为高碳马氏体和细小弥散的颗粒状碳化物，并随渗层深度增加逐渐向超低碳板条马氏体过渡；试验齿轮失效模式均为轮齿疲劳断裂，断口上可见清晰疲劳条带，超强喷丸齿轮疲劳裂纹全部萌生于齿根圆角亚表面，普通喷丸齿轮疲劳裂纹大部分在齿根圆角表面萌生.

摘要:本研究旨在制备一种适用于多种热能储存系统中的高效蓄热调温材料，通过乳液聚合技术将癸酸-月桂酸（CA-LA）低共熔混合物封装在聚丙烯酸乙酯（PEA）壳层中，形成PEA/（CA-LA）相变材料微胶囊（MEPCM）.分析结果表明，所制备的MEPCM具有均匀且光滑的球形外观，且芯材和壳材之间没有发生化学反应.当壳芯比为1∶1.5时，熔化潜热和凝固潜热分别为81.85 J/g和88.68 J/g. MEPCM潜热储存能力随着芯材比例的增加而增加.通过热重分析和泄漏测试发现MEPCM在160 ℃以下能保持优良的潜热储存和释放能力.经过200次热循环后仍具有良好的热稳定性，具备实际应用价值.