通过TCAD器件建模，建立了PIN二极管的电热耦合模型，搭建PIN限幅器HPM耦合仿真电路以进行高功率微波效应仿真。仿真得到了不同频率下PIN限幅器瞬态电压响应以及PIN二极管内部电场、载流子、结温分布。仿真结果表明，在HPM耦合电压作用下，PIN限幅器平顶泄漏负向电压随频率增大而降低，PIN限幅器平顶泄漏正向电压随频率增大而降低。PIN二极管内部PIN限幅器的限幅能力随微波频率增加先增强后减弱。HPM频率较低时PIN二极管内部晶格温度积累集中于I层界面处，随着频率升高，晶格温度积累集中于I层中间位置，因此频率变化会造成PIN限幅器的HPM毁伤敏感位置变化。

传统电子器件主要由硅基等无机半导体材料以及硬质高分子绝缘衬底材料组成，是现有电子技术的基础。虽然传统电子技术已经发展成熟，但由于材料的限制，导致在柔性电子领域方面，其应用尚存在一定的局限性。而二维材料拥有高结晶性、近乎完美的晶格结构、原子级的厚度与高的机械拉伸强度，并且表现出优异的电荷传输性质，使其在柔性电子领域具有应用前景。该文利用石墨烯、二硫化钼与六方氮化硼优异的机械性能，采取机械剥离法与干法转移，制备基于二硫化钼的场效应晶体管，并采取自主搭建的柔性测试平台，测试了器件的柔性电学性能。测试结果表明，设计的二维异质结晶体管在静态测试条件下，电学性能只有微小变化；但在动态测试条件下，由于层与层之间的范德瓦尔力太小，层与层之间发生滑动或位移，使得器件的电学性能出现较大变化。

针对传统DBN在无监督训练过程中预训练耗时久、诊断精度差等问题，提出了一种基于改进多目标蜻蜓优化自适应深度信念网络（IMODA-ADBN）的模拟电路故障诊断方法。首先，根据参数更新方向的异同提出了自适应学习率，提高网络收敛速度；其次，传统DBN在有监督调优过程利用BP算法，然而BP算法存在易陷入局部最优的问题，为了改善该问题，利用改进的MODA算法取代BP算法提高网络分类精度。在IMODA算法中,添加Logistic混沌印射和基于对立跳跃以获得帕累托最优解，增加算法的多样性，提高算法的性能。在7个多目标数学基准问题上测试该算法，并与3种元启发式优化算法（MODA、MOPSO和NSGA-II）进行比较，证明了IMODA-ADBN网络模型具有稳定性。最后将IMODAADBN运用到二级四运放双二阶低通滤波器的诊断实验中，实验结果表明该方法在收敛速度快的基础上保证了分类精度，诊断率更高，能够实现高难故障的分类与定位。

钢丝绳金属横截面积损失（Loss of Metallic area）直接影响钢丝绳承载强度等特性，因此其检测及定量分析对于设备安全可靠运行具有重要意义。针对目前主磁通检测中存在的线圈绕制困难、参数确定模糊等问题，基于仿真模型提出一种基于印制电路板（Printed Circuit Board）的分体式线圈结构，分析了线圈匝数、线圈层数、线距等参数对检测信号的影响；建立主磁通检测模型，探究损伤宽度对主磁通检测信号的影响规律，并针对损伤宽度变化造成的信号损失设计补偿方法；最后通过钢丝实验验证金属横截面积定量检测效果，表明该方法定量误差在1%以内，能够有效检测钢丝绳的LMA。

语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题，基于编-解码器框架和离散小波变换，设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network)，在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构，并设计了低频混合小波池化操作替代传统的下采样操作，有效降低编码过程造成的信息丢失；在解码阶段，设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明，MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度，验证了该算法的有效性。

提出一种基于阶跃阻抗谐振器的紧凑型四阶四零点频率可调滤波器设计。滤波器使用变容二极管加载的阶跃阻抗谐振器(VL-SIR)，有效拓宽了滤波器的调谐范围。在VL-SIR之间引入交叉耦合，从而在滤波器通带近端产生一对传输零点，显著提高了滤波器的选择性。同时，引入源和负载端的交叉耦合，在通带远端生成一对传输零点，以提高带外抑制。此外，采用基于VL-SIR的频变耦合结构来实现恒定绝对带宽。仿真结果与实测结果吻合良好。测量结果显示，可调滤波器频率调谐范围为0.78～1.15 GHz,3 dB绝对带宽约为55±3 MHz，滤波器的回波损耗大于10 dB，插入损耗约为2.8～3.3 dB。

对于图像异常检测问题，查询测试样本在正常样本集中的K近邻距离并估计其异常程度，是一类准确率较高、对复杂分布的效果较稳定的方法。此类方法采用近似最近邻搜索（Approximate Nearest Neighbour Search, ANNS）索引进行K近邻搜索。但由于ANNS查询操作较高的计算开销和现实问题中庞大的数据量，此类方法的计算效率难以应对低时延、高吞吐量的应用场景。该文基于局部敏感哈希和布隆过滤器，提出了一种近似存在性查询（Approximate Membership Query,AMQ）方法，用特征近似存在性预测异常样本。相比于ANNS,AMQ具有更低的计算复杂度且更适合单指令多数据并行，可以有效解决基于特征库检索方法的计算性能瓶颈。在MVTec-AD数据集上的实验结果显示，基于AMQ的方法的异常分割准确率仅比ANNS方法降低1%左右，但推理时延、吞吐量和内存开销显著较优，接近端到端深度学习异常检测模型的计算效率。

中文医疗问诊文本中，由于口语化的不规则表达和专业术语的频繁出现，药物名称等实体难以被精准地识别出来。为了充分利用中文句子词间关系的重要作用，提出了一种用于增强全局信息的医学命名实体识别模型。模型利用注意力机制增强了词嵌入表征，并在使用双向长短时记忆网络的序列处理能力获取上下文信息的基础上，同时从两个方面丰富了句子的全局信息表示。其一是根据句法关系获取词语之间额外依赖关系构建了图卷积网络层用于丰富词间的依赖；其二是构建了辅助任务用于预测词间句法依赖关系的类别。在中文医疗问诊数据集上的实验结果表明，模型具有很好的竞争力，F1值达到94.54%。与其他模型相比，在药物和症状等实体类别的识别上取得了明显提高。在微博公开数据集上的实验也表明，模型具有通用领域的应用价值。

在电力电缆局部放电（PD）模式识别时，相位图谱以及统计特征往往因区分度不足而影响识别精度。为此，提出了一种基于时序拓扑数据分析（TDA）的局放特征提取和识别方法。首先，提出一种符号熵和粒子群优化（PSO）相结合的重构参数选择方法，将预处理后的局放时域信号进行相空间重构，并生成三维局放数据点云；然后，基于TDA方法提取持续同调特征，据此生成持续散点图及持续条形码，计算并可视化表达为贝蒂曲线；最后，将贝蒂曲线输入1D-CNN模型，对4种典型局放缺陷模式进行识别并开展对比实验。实验结果表明，该方法对相空间重构时延参数的选取更加准确，且TDA特征具备良好的区分度，相比其他以相位图谱及统计特征为输入的模型，该方法整体识别准确率最高可提升15.34%，达到98.55%。

矿井人员的实时检测是建设智慧矿山必不可少的内容，通过视频监测井下人员，从而实现危险区域预警及联动控制，对于矿井安全生产具有重要意义。现阶段可见光图像识别技术针对井下昏暗环境中人员的辨识还有待完善。针对井下光照不均、煤尘干扰严重导致监控视频存在噪声多、图像模糊等问题，提出一种改进YOLOv7的矿井人员检测算法。首先，针对ELAN模块直接拼接形成通道隔离的问题，提出基于通道重组与特征关注的复杂场景检测方式；其次，针对特征融合结果未侧重预期目标且模型缺乏针对性策略提升小目标检测性能，在颈部多尺度融合网络添加ACmix模块，兼顾全局特征和局部特征，提升了算法对小目标的检测能力；最后，引入Efficient IOU Loss提升算法收敛速度的同时减小目标框及先验框高度和宽度的差值，实现更加精准的定位。通过公开行人数据集及自建矿井人员检测数据集验证表明：该算法较YOLOv7模型相比，检测精度提升了3.1%，达到89.4%；召回率提升了3.8%，达到86.4%；速度提升了15.8%，达到68.8FPS；满足矿井人员实时检测的工作要求。

在故障-恢复动力学中，节点受内部或外部因素而故障失效后能够有概率自发恢复。考虑到未故障的节点存在避免故障的自适应行为，建立自适应网络上的故障-恢复传播模型。在该模型中，活跃节点为了改善自身局域环境以降低外部故障概率，将主动断开与故障邻居的连边，直到故障邻居恢复正常工作后再重新建立连接。基于点对近似思想建立了理论框架，用于预测故障率的时间演化趋势和系统的最终故障规模。大量的计算机仿真结果验证了理论预测的准确性，并发现系统具有相变和磁滞现象。在不同的自适应断边速率和外部故障速率下，自适应行为能使系统的磁滞区域产生或消失，系统将出现受初始故障规模影响的双稳态区域。

作为一个研究对象涵盖基本物质、生命体和社会的跨学科研究领域，复杂系统的研究有助于增进对自然和社会现象的理解和预测，在解决人类面临的复杂问题中具有重要价值。这一领域的早期研究积累了海量的各类真实复杂系统数据，在此基础上发展数据密集型、人工智能方法驱动的复杂性科学研究新范式，将为复杂系统的描述、预测与知识发现提供一条全新的路径。该文对人工智能驱动的复杂系统研究进行前瞻性的综述，探讨人工智能助力下的复杂系统研究发展前沿，并分析基于人工智能方法的领域代表性工作，最后讨论复杂系统视角下人工智能理论及技术的潜在发展方向。

水下主动电场幅值法成像的灵感源于弱电鱼主动发射电信号识别周围环境这种生物机制。目前的主动水下成像技术在复杂黑暗的水下环境下仍有一定缺陷，因此一种新的解决方案被提出，即利用水下主动电场原理识别完成短距离目标物体复杂形状的成像。针对此前电极阵列覆盖有限、成像分辨率较小、对较大物体成像时电极数量多造成的成本较高以及缺少对复杂几何特征物体成像的实例等问题，设计了线型电极阵列连续运动扫描并采集数据的幅值成像平台，来对实验物体不同体积大小、不同材质及复杂形状进行成像，并对比结果，最后研究了如何根据横纵向幅值积分斜率曲线的最值点，提取成像图片中的物体位置和面积信息。实验结果证实了基于主动电场原理的线型电极阵列运动扫描幅值成像方法的有效性。与传统的主动电场成像方法相比，该方法不仅降低了硬件成本，还提高了成像的效率和分辨率。此外，该方法为主动电场成像技术的进一步工程化应用提供了一种实用的解决方案，优化了水下物体的成像过程，展示了其在复杂水域环境中的应用潜力。

现有的基于深度学习的推荐模型主要致力于提升推荐系统的准确性。然而，除了推荐准确性外，模型的推荐可靠性也备受关注。该文提出一种基于生成对抗网络的评分可信推荐模型来评估预测结果的有效性，以实现推荐准确性与可靠性间的权衡。该模型仅利用用户显式评分信息获取预测评分的可信度，并根据设定的可靠性阈值筛选出具有高可信度的预测评分，以保证推荐项目的可靠性。此外，为了提高模型的预测效果并确保训练的公平性，设计了正样本填充策略来缓解评分可靠性矩阵中的数据不均衡问题。在3个真实数据集上的实验结果表明，该模型在Recall和NDCG指标上均优于所选的对比方法，有效提高了推荐系统的性能。

基于波束赋形的波束切换空间调制算法，不仅可以提高频谱效率，还可以利用天线阵列增益提高能量效率。该文利用信道响应构造统计平均的协方差矩阵，构造正交特征向量作为阵列的加权矢量，形成相互独立的多个等效传输信道，利用波束赋形增益和分集增益提高无线通信的传输可靠性和传输能力。进一步采用天线子阵分组方法，克服信道相关性带来的不利影响。性能分析和仿真结果表明，特征波束角度空间调制方案可获得更多的波束组合数目，会明显改善译码性能和频谱效率。

数据采集系统是数字示波器（DSO）的核心组成单元，随着示波器带宽采样率的逐步提升，单片模数转换器（ADC）+现场可编辑门控阵列（FPGA）的架构难以满足超高速以及多通道的应用场景，因此，高端示波器中数据采集系统普遍采用“主从”FPGA控制架构。在该架构下，多个FPGA之间信号的同步传输是实现采集系统的同步和精确采集的重要前提。针对多FPGA板卡之间的信号同步传输问题，提出了一种FPGA之间高速信号同步传输的方法，借助FPGA的IODELAY单元，通过测试数据训练找到最稳定的同步传输区间，实现多FPGA之间的同步传输。在自研的数字示波器上的实验表明，该方法能够有效实现FPGA之间高速信号的同步传输。

该文设计了一款16位、转换速率为625 kS/s的逐次逼近寄存器型模数转换器（SAR ADC）。改进的采样保持电路结构，优化了采样线性度和噪声性能。采用分段结构设计电容型数模转换器并使用混合方式的电容切换方案，减小面积和能耗。利用扰动注入技术提升ADC的线性度。比较器采用两级积分型预放大器减小噪声，利用输出失调存储技术及优化的电路设计减小了比较器失调电压和失调校准引入的噪声，优化并提升了比较器速度。芯片采用CMOS 0.18μm工艺设计和流片，ADC核心面积为1.15 mm~2。测试结果表明，在1 kHz正弦信号输入下，ADC差分输入峰峰值幅度达8.8 V，信纳比为85.9 dB，无杂散动态范围为110 dB，微分非线性为-0.27/+0.32 LSB，积分非线性为-0.58/+0.53 LSB，功耗为4.31 mW。

采用等离子体增强化学气相沉积法（Plasma Enhanced Chemical Vapor Deposition, PECVD）制备掺氢非晶硅膜，并对其表面结构学进行研究。该文发现在晶体硅衬底上沉积非晶硅薄膜时，会在表面形成非均匀分布的起泡缺陷。在已制备的非晶硅薄膜上进一步沉积了氮化硅/非晶硅的交替层，在起泡缺陷原位形成了一个完美的穹顶多壳的微结构，并且没有明显的结构坍塌。该文总结了自成形穹顶微结构的3个独特的结构特性，并进一步指出了该自成形穹顶微结构在纳米光学和微机电系统中的潜在应用。

由低压硅金属-氧化物-半导体场效应晶体管（Silicon Metal-Oxide-Semiconductor Field-Effect Transistor, Si MOSFET）和碳化硅结型场效应晶体管（Silicon Carbon Junction Field-Effect Transistor, SiC JFET）构成的SiC/Si级联（Cascode）器件，兼具了低压Si MOSFET易于驱动、SiC JFET高耐压低损耗等优点。该文采用实验和数值模拟的方式研究了低压Si MOSFET对SiC/Si级联器件短路特性的影响，结果表明，在短路过程中SiC/Si级联器件中的SiC JFET最高温度比单独的SiC JFET短路时的最高温度低，SiC/Si级联器件的短路失效时间得到了延长，并且随着Si MOSFET额定电压的增加，SiC/Si级联器件短路失效延长的时间也在增加。

构造了一个全新的由两个多粒子部分纠缠态组成的用于量子隐形传态（QT）的量子信道。利用构造的量子信道，提出了两个任意三粒子GHZ态和W态的受控概率隐形传态的三方方案。发送者执行贝尔态测量和单粒子测量，控制者执行贝尔态测量，接收者引入一个辅助粒子并执行相应酉操作，可实现任意三粒子GHZ态和W态的概率隐形传送。两个QT方案的总成功概率都是8d~2n~2(其中d和n是量子信道的系数)。

基于调频连续波（Frequency Modulated Continuous Wave, FMCW）的双功能雷达通信（Dual-Functional RadarCommunication, DFRC）系统具有时频利用率高、抗多普勒性能强、距离旁瓣低的特点。现有的FMCW-DFRC波形系统产生双功能性能恶化，并增加通信接收机的链路复杂度。设计了一种基于延迟断点映射（Delayed Breakpoint Mapping, DBM）FMCW的DFRC系统，通过啁啾周期内延迟断点位置的映射和被分割的簇间的相位进行数据调制。通信接收端在载波混频和欠采样后，在数字域实现去啁啾、码片对齐和数据解调，极大降低了接收端生成相干信号和ADC性能的需求。在雷达处理链路中，设计了断点区域删除与拼接（Breakpoint Area Deletion and Splicing, BADS）方案，使DFRC的雷达性能与无调制的FMCW一致。仿真结果表明，与无补偿的方案相比，BADS方案距离图像的副瓣幅度减小约37 dB，且不受调制数据的影响。与现有基于啁啾波形的DFRC方案的通信性能相比，DBM-FMCW降低了约3 dB误符号率。

现有基于特征提取和模式识别的复合调制盲识别方法对特征和样本量敏感，且在多子载波情况下流程繁琐。基于统一载波体制复合调制信号建模，提出了以压缩后的复合调制信号频域数据为特征、利用倒残差分组卷积结构的轻量化神经网络对压缩数据进行训练和分类的盲识别新思路。通过实验平台搭建和Python代码实现，对10种复合调制信号进行了不同信噪比下的盲识别对比试验，结果表明：该方法在0 dB信噪比条件下识别率可达94.5%,5 dB信噪比条件下识别率为100%；精确识别所需数据量少于基于统计特征和决策树的识别方法，分类所用神经网络的准确率和参数量亦优于基准网络。

低密度奇偶校验码（LDPC）的译码器通常采用基于节点置信度更新迭代的算法，这种算法可以并行实现，具有非常高的吞吐量。在此提出了一种具有高硬件利用效率（HUE）的帧交错译码结构，并提供了一种用于层内节点重排序的动态规划方法，解决内存访问冲突问题。与现有的结构相比，该结构可以实现更高的硬件利用效率。

使用一定的策略从冗长的文本中选择一些句子组成摘要，其关键在于要尽可能多地利用文本的语义信息和结构信息。为了更好地挖掘这些信息，进而利用它们指导摘要的抽取，提出了一种基于异构图和关键词的抽取式文本摘要模型（HGKSum）。该模型首先将文本建模为由句子节点和词语节点构成的异构图，在异构图上使用图注意力网络学习节点的特征，之后将关键词抽取任务作为文本摘要任务的辅助任务，使用多任务学习的方式进行训练，得到候选摘要，最后对候选摘要进行精炼以降低冗余度，得到最终摘要。在基准数据集上的对比实验表明，该模型性能优于基准模型，此外，消融实验也证明了引入异构节点和关键词的必要性。

3D人脸识别是计算机视觉领域的重要组成部分，Pointnet依靠深度学习解决了点云的无序性，实现了3D点云的全局特征提取，但由于点云数据缺乏细节纹理，仅靠全局特征很难实现复杂情况下的人脸识别。针对以上问题，基于Pointnet提出了一种局部特征描述子，用于描述点云局部空间的几何特征，并引入关键特征增强机制，通过特征概率分布增强人脸关键信息，该机制能减少不必要特征对任务的干扰，有效提升模型的准确率。在公共数据集CASIA-3D、Lock3DFace、Bosphorus上进行实验测试，结果表明该方法能很好地应对表情变化、部分遮挡以及头部姿态的干扰，在弱光环境下其准确率高于RP-Net 1.1%，并具有良好的实时性。

为解决行人重识别研究领域中行人标注图像获取困难的问题，提出一种多因素引导的行人数据增广方法。首先，在生成器网络中设计了一种局部多尺度引导机制，通过特征融合抑制生成图像的局部伪影；其次，提出了长距离相关性引导机制，通过外注意力引导生成图像的长距离依赖，提高生成行人图像的整体视感质量；最后，提出一种抗博弈判别网络，通过嵌入到生成对抗网络，从而构建一种三网络稳定博弈架构模型，增加生成对抗网络训练的稳定性。通过VIPeR、Market-1501、DukeMTMC-reID这3种不同规模数据集的仿真实验，结果表明该方法与目前主流方法相比，mAP与Rank-1精度上均有不同程度的提升，在小规模数据集上的提升较为显著。

机器学习是医学人工智能的研究热点和重点之一。针对神经退行性帕金森病（Parkinson's Disease, PD）的早期诊断，现有的临床评分量表具有一定的主观性和局限性。该文报告了基于行为（语音、步态、书写）、电生理（脑电）、影像组学（核磁共振成像、单光子发射断层成像、正光子发射断层成像）和基因组学等数据，机器学习应用于PD诊断的研究进展，发现其较传统方法更为精准，以期为未来人工智能智慧诊断的研究与应用提供参考与借鉴。

急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍，数字减影脑血管造影（DSA）是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像，对急性缺血性脑卒中的治疗效果进行分级评估，构建基于Vision Transformer的双路径图像分类智能模型DPVF。为了提高辅助诊断速度，基于EdgeViT的轻量化设计思想进行了模型的构建；为了使模型保持轻量化的同时具有较高的精度，提出空间-通道自注意力模块，促进Transformer模型捕获更全面的特征信息，提高模型的表达能力；此外，对于DPVF的两分支的特征融合，构建交叉注意力模块对两分支输出进行交叉融合，促使模型提取更丰富的特征，从而提高模型表现。实验结果显示DPVF在测试集上的准确率达98.5%，满足实际需求。

现有的实体关系联合抽取任务为了自动生成大规模训练数据引入远程监督策略，在处理数据时产生严重的噪声数据问题。对此提出了一种融合强化学习的实体关系联合抽取模型，该模型由强化学习和联合抽取模型两个部分组成，其中联合抽取模型由图卷积网络和多头自注意力机制构成。首先，使用强化学习去除原始数据集中带有噪声的句子，将降噪后的高质量句子输入到联合抽取模型中；其次，使用联合抽取模型对输入句子中的实体和关系进行预测抽取，并向强化学习提供反馈奖励，指导强化学习挑选出高质量的句子；最后，对强化学习和联合抽取模型进行联合训练，并对模型进行迭代优化。实验证明了该模型能够有效处理数据噪声问题，在实体关系抽取方面优于基线方法。

针对现有物理信息神经网络利用数值模拟近似物理控制方程带来的高计算代价、边界条件限制等问题，提出一种基于频域控制约束的物理神经网络非线性系统预测方法。首先构建时序特征交替更新的非线性预测网络模型，再在频域建立基于傅里叶谱方法（FSM）的物理控制方程约束，时空数据在网络模型与频域控制约束耦合下实现无标签数据加速训练，完成系统演化学习。最后在Burgers系统上进行湍流预测验证，实验结果表明该方法可在物理规则约束下实现无标签非线性复杂建模，对比主流PINN模型及其变体，具有更快的学习速度与预测准确率。在t≤0.25 s、t≤0.5 s短时预测情况下，经前期20次训练后系统预测均方误差（MSE）相比主流基准模型同期预测，MSE降低了86%与95%，在t≤2 s长时预测情况下，经充分训练后系统预测MSE能降低80%。

具体词和抽象词加工的神经机制是认知神经科学的研究热点，但过往的相关研究主要集中于拼音文字，发现抽象词加工更多激活语言系统，而具体词加工更多激活感知觉系统。该文使用功能性磁共振成像，通过记忆-自由回忆任务，探究了汉语具体词和抽象词加工在记忆编码过程中的大脑活动情况，结果是两种词类的记忆加工都主要激活了颞枕皮层和左侧额下回。除此之外，抽象词记忆更多激活了默认脑网络，而具体词记忆更多激活了感觉运动皮层。结果表明具体词和抽象词的记忆都会激活语言和执行控制系统，但也会依赖不同的脑区进行记忆编码。

为了高效处理大数据所具有的复杂性和不确定问题，将“不确定性问题+直觉模糊集理论+量子计算”交叉融合，构建基于直觉模糊集理论的量子模糊信息管理数学模型。为了验证该模型的可行性、合理性和有效性，设计了不确定性环境下基于参数化量子线路的量子模糊神经网络仿真实验。实验结果表明，基于该模型的量子模糊神经网络模型能更客观、准确、全面地反映不确定性问题中各对象所蕴含的知识信息，从而提高算法处理大数据的准确性。

疾病传播的研究使得对疫情分布和发展的预测更为准确。现有的疾病传播模型对不同城市间流动人口对疾病传播造成的影响研究较少，为此，该文提出了具有活跃节点的多层网络作用下的时滞SEQS(Susceptible-Exposed-Quarantined-Susceptible)模型。其中，时滞SEQS重点研究疾病潜伏期、恢复期及恢复后可再次感染等特性对传播行为的影响，模型中每层静态网络表示不同城市的社交网络，活跃节点表示城市间流动人口，活跃节点的存在使得该多层网络具有时变性，同时模型引入检测机制，以隔离态节点为中心，对在其检测半径内的邻接节点进行检测。研究表明，该模型的传播行为最终演化状态存在3种主要模式：稳态、周期性振荡和非周期性振荡，在能有效降低疾病传染率的情况下，划定精准检测范围可有效控制疾病大规模传播。

近年来，电磁频谱空间已逐步发展成为大国博弈的必争领域，成为国家的战略稀缺资源。在民用电磁频谱领域，电磁频谱拥挤、应用业务激增，在宽带频谱监测、频谱安全、频谱大数据及智能化应用方面面临着巨大挑战；军用电磁频谱博弈对抗愈加激烈，电磁频谱感知、监测及影响效应评估面临感知手段有限、频谱管控和协同应用能力不足等难题。该文首先回顾了典型电磁频谱应用现状、面临的挑战及国外发展趋势。然后，分析了国内电磁频谱空间总体设计和规划管理、典型工程实践和关键技术突破情况。最后，给出了我国电磁频谱空间应用的发展思路。

构建了以豆瓣网为主，猫眼网、IMBD以及百度为辅，包含中国2000—2020年10 000多名演员及3 000多部电影组成的数据库。聚焦演员市场影响力的性别差异，其中市场影响力用电影票房来衡量，而演员对票房的贡献程度与该演员在相应电影列表中排名的倒数成正比。研究显示，男性演员在市场影响力、职业生涯长度、题材多样性上都明显高于女性，且2015年后每年女演员人均票房贡献与男演员人均票房贡献的比例在0.6左右波动，低于中国全行业女性薪酬与男性薪酬的比例，表现出更显著的性别不平等。进一步的中介效应分析和调节效应分析显示，职业生涯长度差异与题材多样性差异是导致市场影响力性别差异的重要原因，且在同等情况下男性演员提高其职业生涯长度和题材多样性所获得的市场影响力回报显著高于女性。

经济持续发展和社会不断进步对社会治理现代化提出了新的要求。社会是一个典型的复杂系统，社会治理研究迫切需要从复杂系统的角度，依靠多学科的交叉融合，从整体上加以解决。该文选取复杂系统相关研究方法，对社会治理中疫情防控、谣言管控、智慧交通和智慧消防4个典型场景进行了重点分析，总结了复杂系统理论在社会治理领域应用中存在的问题，对下一步主要发展的方向进行了展望。

随着城市出行车辆数的急剧增加，城市交通路网拥堵日益严重，因此研究路网通行效率最大化、个人通行时间和路径最优化具有重要意义。目前智慧交通大多采用周期性监测拥堵并重新规划路径的方法，这类方法得到的最优路径往往导致下次重规划的绕行，不利于全局的最优化。该文提出一种基于拥堵预测的路径规划算法，通过分析大量历史交通流数据的时空相关性预测未来时刻的交通流参数，再通过熵权法和模糊综合判定得出拥堵状态分级，之后综合考虑当前时刻和未来时刻拥堵状况从而规划出更加合理的路径。仿真结果表明，与基于重规划的动态路径规划算法相比，该算法在行驶时间上减少5.35%，在行驶距离上减少11.72%。

无人机进行红外航拍目标检测在交通、农业和军事等方面有着广泛应用。该领域的主要挑战有目标较小、相互遮挡、非刚体形变大以及红外成像纹理信息少、边缘特征弱等。针对以上问题，基于YOLOv5和结构重参数化优化思想，提出了一种针对航拍场景的目标检测模型Rep-YOLO。首先，在主干网络中引入RepVGG模块，提升模型特征提取能力；在模型推理时对RepVGG模块的多分支进行结构重参数化，减少网络分支和结构复杂度。其次，结合数据特征，改进检测网络颈部的路径聚合网络，提升检测算法在机载平台的精度-速度均衡能力。最后，在两个公开红外数据集进行对比实验，表明该算法的有效性。以南航ComNet航拍数据集为例，统计结果显示主要检测指标各类平均精度（mean Average Precision,mAP）提升5.9%，同时参数量和模型大小分别减少约29.7%和23.2%。另外，对Rep-YOLO在典型机载平台Jetson Nano上进行了模型部署验证，为航拍场景的检测算法改进和实际应用提供了可靠的技术支撑。

眼底视网膜血管分割可以帮助医生对眼科疾病以及心脑血管疾病进行辅助诊断。然而，由于血管拓扑结构复杂，边界不清晰，分割难度增大。针对这些问题，在U型结构的基础上提出了一种基于图卷积特征融合网络。该网络使用图卷积模块对编码器特征中像素之间的全局上下文信息进行建模，弥补普通卷积缺少全局建模的能力；然后使用多尺度特征融合模块对编码器特征与解码器特征进行融合，减少特征层中噪声信息对分割结果的影响；最后使用多层次特征融合模块将解码器每一层特征融合输出，减少下采样过程中空间信息的缺失以及对深层特征的复用。在公开数据集DRIVE、CHASEDB1以及STARE上进行验证，F1值和AUC值均优于其他两个模型。