作为目前自然语言处理及人工智能领域的主流方法，各种预训练语言模型由于在语言建模、特征表示、模型结构、训练目标及训练语料等方面存在差异，导致它们在下游任务中的表现各有优劣。为了更好地融合不同预训练语言模型中的知识及在下游任务中的学习能力，结合语义文本相似性判断任务的特点提出一种多模型集成方法MME-STS（Multi-Model Ensemble for Semantic Textual Similarity），给出相应的模型总体架构及相应的特征表示，并针对多模型的集成问题分别提出基于平均值、基于全连接层训练和基于Adaboost算法的三种不同的集成策略。实验结果表明，MMF-STS在国际语义评测SemEval 2014任务4的SICK和SemEval 2017 STS-B数据集上的Pearson共关系值和Spearman相关系数值均超过单个预训练语言模型方法。

关系抽取是自然语言处理领域的一项基础研究，抽取的结果可以用于知识图谱构建、人机问答、语义搜索等下游任务，具有广泛的应用场景和重要的研究价值。近年来，关系抽取取得了丰富的成果，但绝大多数研究局限于句子级关系抽取。研究表明，大量的关系无法通过单个句子提取，随着深度学习和自然语言处理技术的不断发展，文档级关系抽取研究工作迎来了新一轮的机遇和挑战。着重对近几年文档级关系抽取的研究进展进行分类和梳理，提炼出文档级关系抽取的一般技术路线图，分析文档级关系抽取研究的特征编码及特征聚合方法，同时介绍常用文档级关系抽取数据集和评测指标，并对未来的研究趋势进行展望。

针对传统重采样方法大多使用固定采样策略，无法根据模型的优化需求改变采样策略的问题，本文提出一种基于自适应采样的不平衡分类方法（Adaptive Sampling Imbalanced Classification，ASIC）。该方法根据分类模型在验证集上的表现动态调整训练集上不同类别样本的采样概率，使不同类别的采样概率由当前分类模型的需求动态决定。同时，该方法对少数类别给予额外的关注，在其余条件相同的情况下为少数类赋予更大的采样概率，以弥补少数类本身样本数量不足对分类模型造成的不良影响，从而提高分类模型对少数类的识别能力。实验结果表明，使用ASIC方法训练的分类模型在平均类准确率以及geometric mean上均比对比方法更好，且数据分布越不平衡，ASIC方法的优越性越明显。

针对现有哈希算法所存在的特征提取能力有限、量化约束机制低效等问题，提出一个深度多尺度注意力哈希网络进行大规模图像检索。整个网络由主分支和对象分支两个子网络组成。其中，在主分支网络中加入多尺度注意力定位和显著性区域提取两个模块，以有效定位和提取图像中的显著性区域，并将执行结果送入对象分支网络学习更为丰富的细节特征。同时，将两个子网络学习到的多粒度特征进行融合并执行二进制哈希编码。此外，引入三元组量化约束以减少量化误差，同时保持成对样本的相似度关系。为验证算法的有效性，在两个基准数据集上进行了广泛实验。实验结果表明，所提方法优于大部分现有的哈希检索方法。

为实现不规则形状超薄热管宽度测量自动化，提出一种基于机器视觉的中轴线梯度角逐像素宽度测量算法。首先采用Canny算法获取像素边缘，并进一步使用改进二次插值法提取亚像素边缘。然后利用细化算法提取边缘内封闭区域中轴线并适当裁剪。接着使用形态学膨胀与高斯滤波构造中轴线区域边缘，计算梯度角，并借助双侧均值滤波逼近真实梯度角的光滑变化。最后沿梯度角两侧搜索亚像素边缘点，边缘点对距离即为所测宽度。解决了常规测量算法无法确定不规则形变轮廓对应宽度测量点和高次过渡曲线区域无法测量的问题，并实现在轴线方向密集测量宽度，最大程度逼近真实边缘宽度分布。实验结果表明，测量对象宽度在10 mm以内时，文中算法测量不确定度为±0.026 mm，能很好地适应超薄热管的不规则外形，实现稳定可靠、高精度的自动化测量。

针对多小区全双工分布式天线系统（DAS），提出了高能效的资源优化分配策略。所提策略在保证用户服务质量（QoS）需求的前提下，通过联合优化上下行波束赋形因子、用户发射功率和远端天线单元（RAU）选择来最大化系统能效。首先，通过分式规划将目标函数由分数形式转化为减法形式，提出了一种迭代资源分配算法，该算法在每次迭代中都需要解决内部问题；然后，利用层次分解和连续凸逼近，将内部非凸问题转化为一系列凸优化问题迭代求解。仿真结果表明，和其他基准算法相比，提出的算法可以极大的提升能效。

针对软件定义网络的链路抗毁问题，为使数据传输具有更好的稳健性，设计了一个基于Q学习算法的抗毁策略，该策略选择以网络中每条链路的中断概率作为衡量指标，通过Q学习算法，根据网络情况寻找一条中断概率低的路径作为备份路径,从而在网络传输出现故障时，能够自动的切换备份路径，实现抗毁性能的改善。采取Q学习算法与现有的算法进行对比，并分析了各自优劣性。实验仿真结果表明，相比于蚁群算法，Q学习算法平均吞吐量可提高15%，平均网络传输的中断概率可降低38%；相比于最短路径算法（有备份），平均吞吐量要提高16.5%，网络传输的中断概率平均降低43%。由此可见，本文所提基于Q学习的抗毁技术可大大提升SDN网络的抗毁性能

非刚性点集配准的关键是找到点集之间的正确对应关系。传统点集配准方法通常将特征点的全局空间距离作为判别准则，而未考虑点集的邻域结构信息，容易产生误匹配；为此，提出了一种基于邻域结构和驱动力相结合的非刚性点集配准算法。在一致性点漂移（CPD）算法的基础上，提出了一种局部距离计算方法，将其与空间距离相结合，有助于提高匹配精度；此外，对传统形状上下文方法进行了改进，构建了一种新的驱动力准则，以在初始配准过程中提高搜索速度，在后期减小配准误差；最后，采用期望最大化（EM）算法迭代求解各点对的对应关系。在常用国际点集数据集上的仿真实验结果表明，在非刚性变形、噪声、离群值和遮挡等情况下，本文方法比经典方法具有更高的鲁棒性，匹配准确率更高，对真实图像也可以获得比较理想的配准效果。

现有的针对真实失真的无参考图像质量评价算法提取的特征对自然场景图像质量的表征能力较差，限制了其评估准确性和泛化能力。针对该问题，本文提出了一个基于多尺度特征逐层融合的深度神经网络（MsFF-Net）。首先，利用预训练的深度神经网络ResNet-50提取图像多尺度特征。然后，提出了一种特征融合模块，通过逐层递进融合相邻尺度特征，获得更准确表征图像质量的多尺度融合特征。接着，从多尺度融合特征提取低维特征，得到多粒度的图像质量感知特征。最后，利用由最高层特征自适应生成的全连接神经网络，对低维特征进行回归，得到自然场景图像的质量预测。仿真结果表明，MsFF-Net在真实失真数据库上的性能优于目前大多数方法，而且在合成失真数据库也取得了出色的评价性能。

经典的层析成像方法通常只考虑物体的强度重建，往往丢失了相位，但是相位包含了物体表面的深度、形状、折射率等信息，相比于强度而言更为重要。强度传输方程作为一种经典的相位恢复算法，能够直接获从已知的强度中计算出相位。本文提出了一种能够层析重建物体相位信息的新算法，该算法在高阶强度传输方程的基础上改进以获得更高精度的相位结果，再经过滤波反投影重建物体的三维相位信息。在反投影重建过程中加入了旋转中心校正的步骤使重建结果更为精确，实验结果表明，该算法在解决由于强度微分近似约束造成的相位精度低问题的同时，可以获得高精度的物体三维相位重建结果。

针对传统多载波混沌键控系统中传输速率低、误码性能差的问题，本文提出一种无信号间干扰的多载波降噪差分混沌移位键控方案。通过设计的正交混沌信号发生器得到两路时域正交的混沌载波信号，从而实现无信号间干扰的目的。同时，引入多个预定义的子载波和正交调制技术进一步提高系统的传输速率。接收端利用滑动平均滤波器对接收信号进行平均降噪，可改善系统的误码性能。推导了AWGN信道和多径瑞利衰落信道下的理论BER公式并进行了蒙特卡洛仿真实验。研究结果显示：仿真结果与理论分析基本一致，且系统有较强的抗噪声性能和抗多径干扰能力；相比于传统MC-DCSK系统，相同载波数下的传输速率提高了四倍，相同误码性能下的信噪比可提升将近3 dB。

我国对含锌(Zn)废水的排放有着严格的规定，在高效去除废水中的Zn(Ⅱ)的吸附材料中，凹凸棒土(PAL)被认为是极具应用前景。为验证腐殖酸(HA)对PAL吸附Zn(Ⅱ)的影响，本文采用静态吸附实验，对比腐殖酸/凹凸棒土(HA/PAL)与纯PAL对Zn(Ⅱ)的吸附率，并对PAL和HA/PAL去除水中Zn(Ⅱ)的性能与机理进行了研究。实验结果表明，PAL达到吸附平衡的时间为120 min，温度对吸附过程的影响很小，增加投加量和减少Zn(Ⅱ)的初始浓度使PAL对Zn(Ⅱ)的吸附率增加。HA/PAL在120 min时达到吸附平衡，HA/PAL对Zn(Ⅱ)的吸附过程受温度的影响同样不大，投加量的增加和Zn(Ⅱ)初始浓度的减少提高了HA/PAL对Zn(Ⅱ)的吸附率。PAL对Zn(Ⅱ)的吸附过程符合Langmuir模型，准一级动力学模型能更好地拟合PAL的实验数据。而HA/PAL对Zn(Ⅱ)的吸附过程更符合Freundlich模型，准一级动力学模型同样更好地拟合HA/PAL的实验数据。根据热力学参数，PAL和HA/PAL对Zn(Ⅱ)的吸附过程均为吸热过程。在相同工况下，PAL的吸附率均高于HA/PAL，且所有实验工况对PAL的影响均大于其对HA/PAL的影响。SEM、BET和FTIR的表征结果表明，HA成功负载在了PAL表面，减少了PAL的比表面积。

研究木棉花黄酮的提取工艺并评价其祛痘功效。以广东肇庆木棉花为原料，经过超声辅助醇提后，考察筛选最适大孔树脂类型并确定木棉花黄酮粗提物的纯化工艺，采用体外抑菌圈实验方法测定纯化精制的木棉花黄酮对表皮葡萄球菌和痤疮丙酸杆菌的抑制效果；采用体外美白活性方法测定木棉花黄酮对酪氨酸酶的抑制率，并通过斑马鱼胚胎黑色素抑制测试法对木棉花黄酮的美白活性进行进一步验证；最后采用体外抗氧化活性测定方法考察木棉花黄酮对ABTS?+和DPPH等自由基的清除能力。通过对比8种大孔树脂对木棉花黄酮的吸附率和解析率，筛选出D101为最佳树脂类型，同时考察得出其最佳的静态吸附-解析条件为：吸附时间6 h，解析时间4 h，解析液的乙醇浓度为60%；其最佳的动态吸附-解析条件为：上样体积2 BV，解析液洗脱体积0.625 BV。纯化后木棉花黄酮的纯度由32.5%提高至98.2%。精制的木棉花黄酮对ABTS?+和DPPH自由基清除率的IC50值分别为0.62±0.011 mg/mL和11.8±0.624 μg/mL。木棉花黄酮对酪氨酸酶抑制率的IC50为1.69±0.002 mg/mL。木棉花黄酮浓度在1.0 mg/mL时对斑马鱼胚胎黑色素抑制率为12%，具有显著的美白活性。通过抑菌圈试验可得木棉花黄酮浓度为12.5 mg/mL时，对痤疮丙酸杆菌表现为中敏，对表皮葡萄球菌表现为高敏，且此抑菌效果呈现剂量依赖效应。综上，本研究纯化制备的木棉花黄酮具有美白、抗氧化、抑菌祛痘等多重护肤活性，具有良好的祛痘产品应用与开发价值。

开展爆炸冲击波与碎片耦合作用下储罐易损性研究有助于提升化工园区的安全水平。基于能量密度与最大塑性应变准则，综合考虑爆炸冲击波和抛射碎片的作用顺序及强冲击荷载作用下钢材的应变率效应，建立爆炸冲击波与碎片耦合作用下化工储罐破坏失效的极限状态方程。通过有限元模拟对比分析储罐理论临界破裂速度与数值模拟结果，验证了方程的合理性。对5000m3立式拱顶储罐易损性结果分析可知：材料应变率效应可削弱爆炸冲击波与碎片耦合作用对化工储罐造成的破坏，降低储罐易损性；爆炸冲击波、碎片的作用顺序会显著影响储罐的失效概率，且碎片先于冲击波作用时储罐易损性更高；由单一变量分析可知，耦合作用下储罐的易损性与爆源强度、碎片撞击载荷均呈正相关，但与碎片撞击角呈负相关。研究结果对预防由爆炸冲击波与碎片耦合作用导致的多米诺效应事故发生及制定事故防控策略具有指导意义。

为了提高超高分子量聚乙烯（UHMWPE）中空制件的机械性能和耐磨性能，采用自主研制的中空制件成型模具，在模压成型过程中引入脉冲振动，使物料在脉冲压力下实现成型，研究脉冲振动对制件微观结构及宏观性能的影响。通过拉伸测试、砂浆磨耗测试、DSC测试、密度测试和2D-WAXD测试，结果表明：施加脉冲振动可提高样品的致密化程度、取向度和结晶度，其拉伸性能和耐磨性能均优于静态条件下成型的制件。