现有最好的视频压缩感知重构算法大都采用“预测－ 残差重构”策略，可有效利用帧内和帧间的相关性获得较好的性能，但是残差重构均直接采用SPL 算法，忽略了残
差信号自身的结构特征，限制了性能的进一步提升． 针对该问题，文中提出了一种基于预测残差结构特征的块分类重构算法，首先利用残差块观测值的平均能量对残差块进行分类，然后对不同类的残差块采用不同的重构算法． 仿真实验表明，用于运动较快的视频序列时，文中方案与SPL 算法相比可以获得更好的重构质量．

为克服现有特征相似性( FSIM) 图像质量评价算法对图像信息无序部分及边缘信息度量能力的不足，利用人类视觉系统的内在推导机制，提出基于人类视觉系统的特征相似性图像质量评价算法HFSIM． 该算法采用自回归预测模型分解并解读图像内容的预测部分和无序部分; 联合FSIM 与边缘结构相似性算法度量预测部分，采用多尺度峰值信噪比( PSNR) 度量无序部分的衰减情况，最后根据噪声能量融合图像信息预测部分与无序部分的评价结果得到图像质量评价． 在6 个公开基准数据库上的实验结果表明，该算法与人类主观感知具有高度的一致性，且在各类型失真图像的评价上具有较好的性能．

为降低高光谱数据量及计算复杂度，避免后续分类中的Hughes 现象，提出一种基于烟花算法降维的高光谱图像分类方法． 烟花算法采用类内紧密性系数与类间分离性
系数的加权和作为波段选择的度量准则，通过在高光谱数据空间内进行搜索，不断更新直至收敛，从而获得最优波段组合． 基于印第安纳数据集( AVIＲIS) 和帕维亚大学数据集( ＲOSIS) 数据对烟花算法、遗传算法和禁忌搜索算法进行波段选择的仿真实验，结果表明: 烟花算法选择出的波段组合数目相对较少，具有较低的算法复杂度，减少了耗时; 利用获得的波段组合进行高光谱图像分类时，与遗传算法、禁忌搜索算法的波段选择方法相比，文中所提方法在总体分类精度和Kappa 系数上分别提高0. 06% ～ 4. 72% 和0． 00 ～0. 09，可以得到令人满意的分类结果．

基于数字表面模型( DSM) 的建筑物分割是遥感三维城市建模的关键技术之一．为解决DSM 分割中因地形起伏和边界处干扰物等引起的建筑物分割精度低的问题，文中
提出一种层次化的建筑物分割方法LS-OＲTSEG． 该方法首先利用水平集方法初步提取各个潜在的建筑物区域，对各潜在区域进行适当扩展，进而针对扩展区域利用一种基于多重随机纹理模型的分割方法进行精细分割，进一步优化建筑物局部边界分割结果． 实验表明，文中方法能够有效提高建筑物分割精度．

针对执勤车辆沿某一路径行驶时长难以预测的问题，文中提出一种KMP-ＲBF 融合方法，采用GPS 定位、悉尼自适应交通控制系统( SCATS) 线圈作为融合信号源，建立路况信息选择融合模型，将模糊推理知识表达、MAPSO 算法寻优和ＲBF 网络训练相结合，自适应优化系统关键参数，从训练数据库匹配适用时间、空间数据． 实验中，使用交通监控系统实测实验用车行驶时长数据，并与预测数据进行对比，从误差率、算法迭代与精确度方面证明文中方法是高效而可靠的．

设计了一个基于Pseudo-CMOS 逻辑门的低功耗异步复位D 触发器电路． 该D 触发器全部由n 型a-IGZO TFTs( 薄膜晶体管) 构成，采用动态负载替代Pseudo-CMOS 拓扑中的二极管连接负载，通过减少电路导通的概率来降低静态功耗． 电路的输出级为锁存器，通过反馈通路减少由动态负载造成的输出摆幅降低对延迟的影响． 将该D 触发器应用于环行移位寄存器的设计中，结果表明，该触发器电路可有效降低或非门逻辑电路中的静态功耗．  

在具有多个真实搜索引擎的联邦检索环境下，基于小文档的资源选择算法由于难以估计每个搜索引擎的真实网页数量，因此准确率较低． 针对这个问题，文中提出了基于主题模型的资源库描述方法，利用LDA 主体模型获取每个资源库的描述词; 在此基础上提出新的资源选择算法，结合垂直领域权重和词向量计算资源库和查询请求之间的相关度，并根据相关度大小获取最终资源选择结果． 实验结果表明，基于主题模型的资源选择算法能很好地提高资源选择效果，可有效应用于分布式搜索引擎的联邦检索环境．

专题文章集合是一些拥有相似背景知识的文章集合． 为了更好地从专题文章集合内部的复杂信息关联中高效挖掘子话题信息，文中提出了抑制背景噪声的线性判别分析( LDA) 子话题挖掘算法BLDA，通过预先抽取专题文档集合的共同背景知识、在迭代过程中重设关键词的产生等方式提高子话题抽取的准确程度． 在微信公众账号文章上的系列实验证明，BLDA 算法针对有共同背景的专题文章集合的聚类结果显著优于传统的LDA 算法，其中主题召回率提高了170%，Purity 聚类指标提高了143%，NMI 聚类指标提高了160%．

中文分词是中文自然语言处理中的关键基础技术之一． 目前，传统分词算法依赖于特征工程，而验证特征的有效性需要大量的工作． 基于神经网络的深度学习算法的兴起使得模型自动学习特征成为可能． 文中基于深度学习中的双向长短时记忆( BLSTM) 神经网络模型对中文分词进行了研究． 首先从大规模语料中学习中文字的语义向量，再将字向量应用于BLSTM 模型实现分词，并在简体中文数据集( PKU、MSRA、CTB) 和繁体中文数据集( HKCityU) 等数据集上进行了实验． 实验表明，在不依赖特征工程的情况下，基于BLSTM 的中文分词方法仍可取得很好的效果．

句子间语义相似性的计算已成为自然语言处理领域的重要研究内容，如何有效地对句子建立语义模型已成为释义识别、文本相似性计算、问答和文本蕴涵等自然语言处理应用的基础任务． 文中提出了一种并行的卷积神经网络模型，该模型的两个卷积网络不仅对句子对中的单个句子建立句子向量表示，还对句子经卷积池化后的特征进行相似性度量，并获得句子间的相似性特征． 采用释义识别及文本相似性两项任务进行模型性能的实验评测，结果显示，该模型能够较好地表示句子语义信息，其释义识别F1值相比基准实验提高了7. 4 个百分点，语义相似性评测的皮尔森相关系数比逻辑回归方法有7. 1 个百分点的提高．

提出一种基于神经网络的方法实现细菌和栖息地的关系抽取，充分利用神经网络的特性实现对隐含的深层特征的自动学习，以避免传统人工特征设计的复杂性和冗余性． 该方法利用单词以及实体属性的分布式向量丰富句法和语义信息，使用两个不同神经网络模型从不同角度进行关系抽取，并融合文档级别的分类结果，在生物医学自然语言处理BioNLP-ST 2016 共享任务的BB-event 语料上进行实验，取得了不错的F1值，表明该方法在微生物生长环境关系抽取上具有良好的性能．

文中针对当下愈发泛滥的垃圾邮件，分别使用朴素贝叶斯分类和支持向量机分类法对当前日益泛滥的垃圾邮件进行识别、分类，将“词频－ 筛”混合特征选择方法应用于分类器模型中，以提高分类器的识别性能． 同时，通过考虑更全面的分类概率情况，改进朴素贝叶斯分类模型，进一步提升朴素贝叶斯分类器的识别性能． 最后通过实验得到了该垃圾邮件识别系统的准确率、召回率和F1值等分类识别性能指标． 实验结果表明，“词频－ 筛”混合特征选择方法能有效提高垃圾邮件分类器的识别性能，而且使用成本敏感方法的分类输出调节模块也能大大降低分类器将正常邮件误判为垃圾邮件的概率，因此，文中设计的垃圾邮件识别系统具有较强的实用性，可以在实际工作、生活中使用．

针对自然界较多图像具有对称的特点以及数据分布大多呈一定的流形结构情况，提出了一种对称局部保持的半监督维数约减( SLPSDR) 算法． 该算法使用矩阵定义维数约减映射矩阵元素之间的关系，使图像中对称的像素点对应的映射矩阵的值之间的差别最小; 同时为了利用无标签训练样本保持数据的流形结构，要求低维空间中每个点的邻域关系与高维空间中的邻域关系相似． 在CMU PIE、Extend YaleB、ORL、AR人脸数据库上的实验结果表明，图像数据明显的对称特点使得SLPSDR算法优于其他对比的维数约减算法．

多峰、高维的大规模优化问题是当前优化领域的研究热点． 文中以协同进化算法为框架，提出了一种融合多种搜索策略的差分进化大规模优化算法． 基于分解的思想，该算法首先利用自适应差分进化算子对子问题进行局部优化求解; 然后引入基于模拟退火的随机搜索机制提高算法的全局搜索能力，并结合局部搜索链对解空间进行深度搜索． 采用大规模优化标准函数对算法进行测试，结果表明，文中所提出的算法相比现有算法在平均值和最优解上均取得了更好的优化结果．

以玉米淀粉为原料，采用酸解、辛烯基琥珀酸酐( OSA) 疏水改性和冷冻粉碎复合改性方法制备小颗粒淀粉，研究了酸解时间对小颗粒淀粉及稳定Pickering 乳液的影响．利用扫描电子显微镜和粒径分析仪对小颗粒淀粉的形态与粒径分布进行表征，探究了小颗粒淀粉在Pickering 乳液中的应用． 结果表明: 随着酸解时间延长，小颗粒淀粉颗粒粒径明显降低，其体积平均粒径由原淀粉的15. 6 μm 降低到6. 6 μm; 颗粒呈碎片状，且分散均匀; OSA 改性取代度随酸解时间延长而降低; 以小颗粒淀粉为乳化剂制备Pickering 乳液，乳液稳定性随着颗粒粒径的减小而增加; 乳化指数随着乳液贮存时间的延长而降低，并趋于稳定; 酸解48 h 和72 h 复合改性小颗粒淀粉制备的乳液稳定性较好，贮存30 天后乳化指数保持在60%．

以原玉米淀粉为原料，在醇相中制备了高取代度羧甲基淀粉，采用红外光谱仪、扫描电镜、X 射线衍射仪、DV-I Prime 旋转黏度仪和紫外分光光度计对其理化性质进行了测定和分析，并与原玉米淀粉进行比较． 结果表明: 原玉米淀粉分子上成功接入了羧甲基官能团，而且取代度大于1. 0; 羧甲基淀粉颗粒发生膨胀，裂纹明显，表面粗糙，颗粒中心出现大的爆裂孔; 羧甲基淀粉的结晶结构被破坏，甚至结晶区消失; 羧甲基淀粉透明度和冻融稳定性远远优于原玉米淀粉，而且取代度越高透光率和冻融稳定性越好．

采用数字图像分析方法———累积光密度( IOD) 法，结合晶变响应峰模型( MRDCC)研究了山药淀粉的糊化特性，并应用X 射线衍射法讨论淀粉的结晶结构，同时考察不
同浓度/种类小分子糖对淀粉糊化过程的影响． 结果表明: 山药淀粉呈现C 型结构，MRDCC显示双峰，分别对应B 型和A 型同质晶体的糊化; 不同浓度蔗糖以及不同种类单糖、二糖、三糖和四糖对山药淀粉糊化过程的影响不同; 糖类的糊化抑制作用与其动态水合数有很好的相关性，糖分子的赤道羟基个数越大，对淀粉的糊化抑制作用越强; 除此之外，糖与水分子的结合能力还与糖分子的大小以及它们的三维结构有关． 四糖的理想模型为通过氢键形成螺旋结构，削弱其水合能力，因此线性结构的棉籽糖比水苏糖的糊化抑制作用更强．

以大米淀粉为原料，在不同脉冲电场强度( 0． 0、2. 5、5． 0、7. 5、10. 0、12. 5 kV/cm)及不同脉冲波数( 0、180、360、540、720、900) 下与乙酸锌( 0. 001 mol /L) 反应制备大米淀粉锌络合物． 对大米淀粉锌络合物中的锌含量进行测定，得出制备大米淀粉锌的最佳条件如下: 电场强度7. 5 kV/cm，脉冲波个数360; 此时样品中锌含量由468. 24 mg /kg 提高到738. 62mg /kg，说明脉冲电场能促进锌与淀粉的配合反应． 文中还采用扫描电镜、红外光谱、X 射线光电子能谱、X 射线衍射等方法对大米淀粉锌的表面光学特性及结构特性进行了研究，结果表明: 乙酸锌与大米淀粉葡萄糖单元上的羟基发生了配合反应; 随着电场强度和脉冲波数的增加，大米淀粉颗粒表面被破坏，相对结晶度降低，促进了配合反应，提高了配合量．

以棕榈硬脂和大豆油( 质量比为7∶ 3) 复配物为原料，通过固定化脂肪酶催化进行酶促酯交换反应制备速冻专用油脂基料油; 将产物与物理混合制备的速冻专用油脂进行对比，研究酶促酯交换速冻专用油脂的分子结构和物理性质变化． 结果表明: 酶促酯交换反应对速冻专用油脂的脂肪酸组成无显著影响，但油脂中高熔点和低熔点甘三酯的含量减少; 酶促酯交换速冻专用油脂的固体脂肪含量( SFC) 在0 ～ 45 ℃时较物理混合速冻专用油脂低; 酶促酯交换速冻专用油脂的硬度小于物理混合速冻专用油脂( 30 ℃ 时除外) ; 酶促酯交换速冻专用油脂中β' 晶型含量更高，晶体更细小，结晶网络结构更致密．

利用酸诱导法和热诱导法制备酪蛋白自组装纳米粒子，并构建了载荷槲皮素的酪蛋白纳米粒子输送载体，分别采用荧光光谱法、动态光散射法研究了酪蛋白纳米粒子与槲皮素的相互作用机制以及酪蛋白纳米粒子与槲皮素相互作用对酪蛋白结构、自组装特性的影响． 实验结果表明: 槲皮素可以猝灭酪蛋白内源荧光; pH5. 5、热处理所制备的酪蛋白粒子与槲皮素的结合能力最强; 酪蛋白纳米粒子－ 槲皮素复合物的形成过程是自发和放热的过程，主要作用力来自氢键; 酪蛋白纳米粒子与槲皮素的相互作用对酪蛋白的自组装特性没有显著影响; 载荷槲皮素的酪蛋白纳米粒子在储藏30 天内保持良好的稳定性;30 天时，pH 5. 5、热处理所制备的酪蛋白纳米粒子对槲皮素的保留率达75． 38%．

对新疆产高酸苹果—“洪勋1 号( 红肉) ”进行系统研究，发现其可滴定酸度为1. 31%，总酚和花青素含量依次为果皮＞ 果渣＞ 全果( 总酚含量为( 2026. 88 ±28. 30) mg /kg;花青素含量为( 244. 92 ± 13. 88) mg /kg) ＞ 果肉． 采用高效液相色谱法对高酸苹果多酚进行分离鉴定，共鉴定出10 种多酚类化合物，包括绿原酸、根皮苷、表儿茶素、阿魏酸、杨梅酮、儿茶素、香草酸、p-香豆酸、芦丁和咖啡酸，全果中以绿原酸( 391. 19 ± 18. 37) mg /kg) 、表儿茶素( 698. 82 ± 17. 21) mg /kg) 和儿茶素( 570. 30 ± 9. 21) mg /kg) 为主． 采用DPPH 自由基清除法、氧自由基吸收能力法、2，2-偶氮二异丁基脒二盐酸盐( AAPH) 损伤人血红细胞氧化模型评价苹果各部位的抗氧化活性与抗溶血活性，结果表明: 高酸苹果的皮、肉、渣、全果均具有较强的抗氧化活性，抗溶血能力依次为果皮＞ 果渣＞ 全果＞ 果肉． 研究表明，高酸苹果值得深度开发加工为高营养价值的产品．