度量学习是一种减少模态差异的重要技术，已有的基于度量学习的跨模态检索方法用于跨模态人脸检索任务时缺乏对视角差异和域差异的关注，并且在度量学习的过程中存在两个问题：缺乏对全局信息的学习和存在大量冗余三元组。文中提出了一种基于度量学习的跨模态共同表达生成算法，采用偏航角等变模块补偿偏航角差异获取具有鲁棒性的图像特征，使用多层注意力机制获取具有可分性的视频特征；结合全局三元组和局部三元组共同训练跨模态共同表达生成网络提升度量学习的一致性和准确性，同时通过半困难三元组筛选加速了损失函数的收敛；提出结合域校准和迁移学习作为域适应方法提升共同表达的泛化性。最终，在PB、YTC和UMD Faces三个人脸视频数据集中的实验结果证明了本文算法有效提升了跨模态人脸检索的准确性，通过少数样本微调跨模态共同表达生成网络有效提升了目标域图像跨模态检索的准确性。

随着数字图像处理技术不断发展，图像篡改不再局限于图像拼接等单一手段，而是通过图像编辑 软件后处理隐藏恶意篡改痕迹，导致现有传统算法和基于深度学习的定位方法效果不佳。针对现有图像篡 改算法定位精度不高的问题，本文提出一种端到端基于多尺度视觉Transformer的图像篡改定位网络，该网 络融合Transformer和卷积编码器提取篡改区域与非篡改区域的特征差异。多尺度Transformer对不同尺寸图 像块序列的空间信息进行建模，从而使网络适应各种形状大小的篡改区域。实验结果表明，本文所提出的 算法在CASIA和NIST2016测试集的F1分数分别为0.431和0.877,AUC值分别为0.728和0.971，相比当前的 主流算法具有较为明显的性能提升。而且，本文所提算法在应对JPEG压缩攻击具有较强的鲁棒性。

机器学习算法能够处理高维和多变量数据，并在复杂和动态环境中提取数据中的隐藏关系，在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择，然而，传统的机器学习算法在实际应用中不能达到很好的预测效果。本文提出一种基于Stacking集成学习方法的融合模型，采用优化的特征选择方法，建立模型时通过对比不同的Stacking学习器组合方式，组合多种类型的学习器，从而得到预测性能最佳的模型。该模型在注塑件尺寸预测方面的性能较传统模型有了很大的提升，同时模型预测结果可根据特征解释回溯到实际生产中，为制造工艺和工序的优化提供决策指导。

针对无人机在三维复杂场景中实现长距离航迹规划时存在效率不高的问题，本文提出了一种基于局部软约束优化的实时无人机航迹规划方法。该方法可分成以下两个步骤：首先，在theta*算法的基础上加入安全距离约束，同时利用转弯代价改进启发函数来减少无人机转弯所带来的时间消耗，最终生成由少量关键点组成的初始路径；其次，采用局部优化策略对初始路径中存在安全隐患的片段进行软约束优化，并利用贝塞尔曲线的速度特性进行时间分配，确保航迹的连续、平滑和动态可行性以及提升无人机的飞行效率。实验结果表明，本文方法在保证无人机安全的同时具有更短的飞行距离和飞行时间以及更好的规划效率，并且在实际的四旋翼飞行中得到验证。

为了从评论中分类提取产品属性，使得评论能够按照不同产品属性分别进行展示，提高消费者作出购买决策的效率，本文提出基于种子约束LDA（Latent Dirichlet Allocation)的产品属性提取方法。首先利用TF-IDF(Term Frequency–Inverse Document Frequency)算法自动提取关键词，作为属性种子集；其次通过文档初次重组和二次重组的方式，解决长文本多属性类共现问题和短文本稀疏性问题，并提高文档重组率；然后应用must-link和cannot-link两种种子约束来定义概率扩缩值，影响LDA的主题分配，使得训练结果更加合理；最后将种子约束LDA生成的主题映射到先验属性类别上。本文从属性类别、属性词等方面进行定性分析，从准确率、熵值、纯度等方面进行定量分析，验证本文方法的优势。

标准粒子滤波存在粒子退化问题，处理非线性问题需要大量粒子以达到合适估计精度，降低了算法的综合性能。本文提出一种结合Levy飞行策略、差分进化与成功历史策略的混合多策略优化的粒子滤波方法，Levy飞行策略丰富样本集的基本框架，并通过差分进化算法优化低权重的无效粒子，成功-历史策略进行参数自适应调整以动态调节算法在全局搜索与局部搜索之间的平衡，避免粒子运动尺度过大陷入局部最优。仿真结果表明，本文算法有效提高了粒子多样性与滤波精度，改善了在低测量噪声下的粒子退化问题，降低了对非线性系统进行状态估计的粒子数量。

针对传统客流量统计算法检测精度与速度难以平衡的问题,设计了一种面向嵌入式设备的扶梯客流量实时统计方法.首先,提出无失真缩放方法,以保持测试图像与训练样本的信息一致性,避免影响检测模型性能;此外,将YOLOv4-tiny检测模型通过降维模块、分组卷积进行优化,进而提出YOLOv4-tiny-fast网络,其在保证乘客检测准确率无损失的情况下大幅减少参数量,提高推理速度;最后,提出了一种结合自定义优化矩阵及遮挡处理的匹配算法,以较少的计算量解决了乘客跟踪问题.为证明方法的有效性,以实际环境中的手扶电梯出入口视频进行实验,结果表明,在嵌入式设备平台,所提算法的客流量统计平均准确率达到96.66%,且平均检测速度达到25帧/s,优于已有算法.

针对深度学习系统在增量式场景下进行图像分类时产生的灾难性遗忘问题，提出了一种基于神经元正则和资源释放的增量学习方法.该方法以贝叶斯神经网络为基础框架，首先以神经元为单位对输入权值进行分组并按组将权值的标准差限制为相同的值，然后在训练过程中根据统一后的标准差对每组权值的调整执行相应强度的正则.最后，为了提高模型的持续学习能力，提出一个资源释放机制.该机制通过引导模型选择性稀释部分权值的正则强度来保持模型的学习能力.在几个公开数据集上的实验结果表明，本研究提出的方法可以更有效地发掘模型的持续学习能力，即使在容量有限的环境下，也能学习到一个性能更好的模型.

在预测-残差重构框架中，利用视频时间相关性进行多假设预测是视频压缩感知重构的关键步骤。本文基于深度学习，研究了利用丰富的特征域信息实现更精确预测的方法，提出一种特征域多假设预测视频压缩感知重构网络(FMH_CVSNet)。首先提出一种新的特征域多假设预测模块（FMH_Module），通过构造合理的运动估计模块与假设权重求解模块增强了网络的预测能力；其次提出两阶段多参考帧运动补偿模式，使不同运动特征序列均能构造更优假设集，进一步提升了预测精度。仿真结果表明，FMH_CVSNet在各实验条件下均取得了优秀的重构性能，相比于传统多假设算法2sMHR平均PSNR提升了4.76dB，相比于基于深度学习的视频压缩感知重构算法VCSNet-2提升了3.87dB。

活性污泥法是我国最常用的污水处理工艺，然而，污泥膨胀的发生是活性污泥工艺稳定可靠运行难以回避和亟待解决的问题。为此，文中提出了一种新的全生命周期故障诊断方法，用于监测污泥膨胀，并在准确地预警故障后提供合理的决策支持。为了充分挖掘污膨胀数据的隐含信息，文中利用典型相关分析 (CCA) 和绝对平均振幅值 (AMAV) 提取相关特征并用于故障检测，通过重排历史观测样本的方法改进贡献图并用于故障分离; 根据故障预警结果，提出了基于 AMAV 的特征提取和多元格兰杰因果 (MVGC) 分析的故障传播定位方法。使用在污水厂采集的现场数据进行实验，结果表明，所提方法能及时有效地检测、分离和分析污泥膨胀的发生。

偏最小二乘 (Partial least squares，PLS) 作为典型的多元统计分析方法被广泛用于对关键性能指标的异常监测。然而在复杂工业过程中，数据可能具有动态、非线性特性或者同时具有动态和非线性特性，基于PLS的线性模型不适用于该过程并可能导致较高的误报率和漏报率。因此，针对该复杂过程提出一种基于偏最小二乘的多特征提取算法。所提算法基于PLS动态内模型 (Dynamic internal PLS，DiPLS) 提取动态特征得到质量相关动态子空间和动态残差子空间；为进一步分离静态信息的质量相关特征，针对动态残差子空间进行PLS回归建模；此外，为提取变量非线性特征，将残差子空间向高维投影，构建非线性PLS模型；通过在各特征空间中构造统计量，设计了完整的多特性混合系统过程监测策略。最后通过田纳-西伊斯曼 (Tennessee Eastman，TE) 过程的实例分析，验证了所提方法有较快的故障检测速度，能达到较好的故障检测效果。

饲料的定期推送是奶牛饲喂过程中的重要环节，机器人代替人的智能饲喂辅助正在成为未来的发展方向。推料机器人可以完成全天多次推料工作，广泛应用在中、大型牧场的奶牛饲喂中，但现有的推料机器人功能单一，只能完成均匀推料功能，无法满足牛只的个性化采食需求。针对这个问题，本文提出饲喂辅助机器人智能推料方法：引入二维码标牌作为牛颈枷的定位标签，基于YOLOv4深度学习模型得到二维码标牌和牛头的检测框区域；通过预处理和预测算法对二维码标牌的检测框区域实时识别与跟踪，并将二维码标牌与牛头进行匹配，确定觅食奶牛所在的采食颈枷位置；根据牛-码位置匹配信息、余料分布信息控制机器人推板改变推料角度，实现个性化推料，满足奶牛个体自由采食需求。研究和试验结果表明：提出的智能推料方法对二维码的识别率为96%；在二维码标牌连续丢失60帧的情况下，对二维码跟踪预测精度在±2.85%以内；每帧图片在GPU处理下的时间为34.4ms；智能送料的准确率为100%，满足牛舍复杂环境下，机器人智能推料实时要求。

基于平均流量方程和Ng-Pan紊流模型，采用质量守恒边界条件（JFO），建立了考虑磨损和紊流的混合润滑模型，使用有限差分法对模型求解。在外载荷恒定的条件下，研究紊流和磨损对轴承油膜压力，油膜厚度和摩擦力的影响。结果表明：磨损显著改变了油膜压力和油膜厚度分布，并对轴承Stribeck曲线有重要的影响。在高转速工况下，紊流使得轴承最大油膜压力减小，最小油膜厚度、空化区和摩擦系数增大。磨损和紊流对轴承润滑性能均有重大影响，二者共同作用决定轴承的润滑性能。

切削比能的尺寸效应现象是切削机理研究中最具挑战的问题之一，关于它的形成机理目前尚未达成共识，尤其是切削温度对尺寸效应的影响更是鲜有研究。在此开展了不同初始温度下的正交切削实验，发现尺寸效应现象与温度作用密切相关，工件初始温度越低尺寸效应越显著。进一步建立了正交切削有限元模型，研究了温度对尺寸效应的贡献。研究结果表明，在主剪切区两端沿剪切方向存在两个温度梯度区，其长度与切削厚度无关。温度梯度区的存在使得主剪切区的平均温度随切削厚度的减小而下降，致使工件材料流动应力相应提高，从而导致了切削比能的非线性上升。

针对目前小儿上气道内流场特性分析较少且实验验证困难等问题，本文基于3D打印技术构建了小儿上气道内流场特性分析的实验平台，实验结果与临床鼻阻力实验的最大误差为11.1%，可为小儿上气道内流场特性的理论分析提供一种直观简便、准确可靠的实验方法。在此基础上，探索了不同程度的扁桃体肥大对内流场特性的影响作用。研究结果表明，当口咽部狭窄度达到56%以上（扁桃体肥大为临床III度），上气道吸气气流将发生急剧变化，流速和流阻增大，通气量下降，内流道出现较大的逆压梯度及内外压差，为患儿夜眠憋气、呼吸暂停、打鼾等症状提供了直观的理论依据，也为临床医生开展扁桃体手术干预和术后恢复方案的制定提供了重要的参考。

本文以某型号轴向柱塞式水泵为原型，用非光滑表面斜盘置换原有光滑表面斜盘，对试验泵在7MPa、10MPa及12MPa三种不同压力下的流量-压力、容积效率-压力、机械效率-压力等静态特性进行测试，采用激光共焦显微镜和扫描电子显微镜对斜盘磨损表面进行观测。研究结果表明，非光滑表面滑靴副由于凹坑可以产生动压润滑效应并具有容屑能力，摩擦过程中可实现自润滑，达到了降阻减磨效果；随工作压力的增高，滑靴在非光滑表面斜盘上半圈高压区域的摩擦痕迹逐渐明显，磨损表面的沟槽变宽变深，黏着磨损和氧化磨损加重，摩擦磨损加剧；非光滑表面滑靴副试验泵的容积效率、机械效率和总效率较光滑表面滑靴副试验泵的分别提高了0.2%-0.6%、0.1%-1.7%和0.1%-2.3%。