针对电磁信号难以及时获得清晰的原始输入信号，导致无法产生有效对抗样本的问题，提出一种基于变分编码器(VAE)与主成分分析(PCA)的通用对抗攻击算法(VP-UAP)．VP-UAP对输入信号进行采样，并使用传统的对抗攻击方法生成对抗扰动集；然后使用VAE与PCA对对抗扰动集进行双重特征提取，利用提取出的通用扰动特征生成对抗扰动，进而实现黑盒场景下针对电磁信号的通用对抗攻击．在RML2016.10a上的实验结果表明：VP-UAP对不同的模型都具有很好的攻击效果，并且相比于其他基线算法，当面对不同信噪比(SNR)的信号与不同扰噪比(PNR)的限制时均具有更强的适应性和攻击效果．

为解决电路布局布线原理图生成算法缺乏从电路设计人员角度评估生成原理图优劣程度的问题，提出原理图美观度等级评价指标(SAE)．为量化求解SAE，首先对原始布局布线原理图采用滑动窗口策略分割为多张子图，并使用拉普拉斯卷积核自动提取子图特征；然后引入主成分分析法对子图特征向量自动降维；其次引入遗传聚类算法根据子图特征向量自动寻找中心子图；最后采用预训练的残差神经网络对中心子图执行美观度等级预测，且根据不同聚合规则得到最终美观度等级．实验结果表明：在4种不同聚合规则下所提出的DeepSAE算法准确率最高分别为0.677，0.953，0.734和0.953．

针对现阶段西夏研究多受制于西夏文字识别准确性和效率的问题，整理了现有的西夏文字识别方法并对其进行了综述，详细分析了各类方法的优缺点，并探讨了各类方法在西夏文字识别领域的前景．准确高效地识别西夏文字是西夏研究的基础，首先介绍了主要的西夏文字数据集，为后续的研究提供了基础数据；然后从传统方法和深度学习方法两个角度总结分析了西夏文字的识别方法，重点介绍了各类方法的基本原理、改进方法和优缺点等，并对这些方法的性能进行了分析比较；最后对西夏文字识别面对的挑战和未来研究趋势进行了展望．

针对现有算法在传输隐写图像过程中安全性差、难以抵抗几何攻击的问题，提出一种抗几何攻击的无载体图像隐写方法．首先，利用EfficientNet模型根据输入图像构建载体图像数据集，然后对载体图像进行同心圆分块；从最内层圆向外计算子块的颜色矩分量生成鲁棒特征序列，根据图像特征值和图像路径建立倒排索引；最后，根据图像特征序列的位数对秘密信息进行分割，并根据映射规则选择合适的载体图像进行传输．实验结果表明：该方法在提升容量的同时对几何和非几何攻击均具有鲁棒性．

为解决现有生成概念格算法只能直接输出概念，而不能同时输出每个知识层面及其同一知识层面所蕴含的知识之问题，提出一个将形式背景转化为概念格的知识分层(KL)算法．在宏观上，KL算法实现了将形式背景中的知识可视化；在微观上，KL算法将具体的知识层面及各个知识层面所蕴含的知识一并输出．通过将KL算法与Nextclosure等其他生成概念格算法对比发现：在算法复杂度方面，当形式背景中对象集规模较大时，KL算法在处理数据的速度上明显快于Nextclosure等算法；当形式背景中属性集规模不大时，KL算法与Nextclosure等算法处理数据的速度基本相同；在是否生成Hasse图与知识层面方面，KL算法占有绝对的优势．研究结果表明：KL算法在同一形式背景下提供的结果内容更为丰富，有利于概念格理论应用的推广．

针对最大k-plex完备算法的分支策略影响剪枝率这一问题，提出一种基于强化学习和上界奖励的顶点策略．该策略基于划分式定界函数获得上界，利用上界的变化值奖励分支顶点，评估分支动作对子问题的影响程度；实现了渐增式的奖励计算，以减少学习代价；结合候选集划分为分支集和非分支集的方法，优先选择分支集中累计奖励最大的顶点．为了评估所提出顶点策略的效率，测试了来自10thDIMACS和Real-world大规模稀疏图的221个图例．实验结果表明：相比于目前先进的KpLeX和Maplex算法，提出的IRkplex算法的平均求解时间减少了2.00%~23.71%，说明该顶点策略可以有效提高算法的剪枝率．

针对电路自动化设计(EDA)领域中如何将网表文件转化成原理图，以便设计人员迅速理解电路结构这一问题，提出一套高效的优化原理图逻辑清晰度的启发式布局布线算法(HALCS)，由解析网表文件、布局、布线和绘图这4个部分组成．在布局和布线两个重点部分，提出双向值传播布局优化策略、基于动态规划的列内伸展留白布局优化策略和以通线为基本单位的布线策略．实验结果表明：HALCS算法对于数个到数百个元件的电路能在0.05～75 ms的时间内输出结果，有效满足了实时展示电路结构、排查错误等工程需求．

针对区块链隐蔽通信中高成本和交易未上链信息丢失的问题，提出一种基于区块链信息映射的无载体隐写方法．首先，该方法对虚拟货币中的区块信息进行预处理，分析解析后的数据，根据数据的属性选取合适的信息作为秘密信息载体；然后，对提取后的数据构建奇偶映射规则，将秘密信息映射到区块信息中；最后，接收方根据附带信息从不同的区块链场景中提取出所需要的秘密消息．实验结果表明：该方法能有效提高单次秘密信息传输的容量，同时使用无载体技术无须在链上发起交易，有效节约构造交易产生的成本；在不同的区块链场景中实现秘密信息的映射，提高了区块链隐蔽通信的拓展性．

针对智能体之间沟通产生的异构性，采用社会可及性关系来形式化表示智能体之间的沟通，并对具有非确定性沟通的多智能体系统模型检测问题进行研究．首先引入模糊解释系统模型对具有非确定性沟通的多智能体系统进行描述；其次在模糊计算树逻辑的基础上添加承诺和实现模态词，得到带承诺的模糊计算树逻辑，用于描述系统的属性；然后提出一种间接的模型检测算法，将基于模糊解释系统的带承诺模糊计算树逻辑的模型检测问题转换为基于模糊Kripke结构的模糊计算树逻辑的模型检测问题；最后给出该算法的正确性证明和复杂度分析．研究结果表明：所提出的间接模糊模型检测算法不仅能够有效处理具有非确定性沟通的多智能体系统属性验证问题，而且在处理复杂性方面表现出更优的性能，验证了其在实际应用中的可行性和有效性．

针对具有部分顶点覆盖约束的同型机排序问题进行研究．给定赋权无向图，将无向图的部分顶点覆盖中的顶点视作工件放到m台同型机上进行加工，未被覆盖的边会产生一个惩罚费用，目标是机器的最大完工时间与所有未被覆盖的边的惩罚费用之和达到最小．基于局部比值法和列表排序(LS)算法，当机器数m不固定时，设计了一个近似比为(3+ε)的多项式时间算法，其中ε>0为任意小的固定常数；当机器数m固定时，设计了一个近似比为2的多项式时间算法．研究结果表明：基于局部比值法和LS算法，当机器数m不固定时，存在一个近似比为(3+ε)的多项式时间算法；当机器数m固定时，存在一个近似比为2的多项式时间算法．

针对目前预测抗艾滋病毒(HIV)大多使用距离型指标导致模型泛化性差的问题，通过构造基于广义邻接矩阵的子树权重信息无丢失行列变换规则，实现对结构型指标子树权重指标的高效计算．同时结合Wiener指标、Harary指标和Schultz指标，利用机器学习经典监督学习算法(支持向量机(SVM)、K-近邻算法(KNN)和决策树算法)构建模型对化合物分子的抗HIV活性进行预测．实验结果表明：子树权重指标具有良好的特征区分能力和准确度(91.03%～99.61%)，因此该指标可以作为一种有效的新药研发的新度量．

为深入理解随机正则恰当(d，k)-SAT问题难解的内在本质，理清相变与难解之间的变化规律，进一步设计高效的求解算法，引入随机正则恰当可满足性实例产生模型，采用一阶矩和二阶矩方法分析了该问题的相变情况，给出了正则恰当(d，k)-SAT问题的可满足相变点d*．当相变控制参数d<d*时，正则恰当(d，k)-SAT问题实例高概率可满足；当d>d*时，正则恰当(d，k)-SAT问题实例高概率不可满足．最后，选取子句长度k分别为3和4进行实验，结果表明：在d*的取值分别为2.379 8和3.066 8附近发生了相变现象，进一步证明了理论结果与实验结果的一致性．

针对骨架动作识别任务中传统图卷积网络未能充分挖掘骨架特征在不同维度之间交互语义的问题，提出一种跨维交互注意力(CDIA)．CDIA包含了三种子注意力：空间-通道分组注意力(S-CGA)关联了骨架不同子图的内部节点之间和子图之间局部与全局的交互特征；时序-空间位移注意力(T-SSA)建立了帧间一阶位姿特征的上下文依赖；时序-通道差分注意力(T-CDA)增强了帧间二阶动态特征的表达．实验结果表明：在NTU 60的X-Sub和X-View基准及NTU 120的X-Sub和X-Set基准上，CDIA相对基线网络的识别精度分别提升3.2%，1.1%和0.9%，1.8%，在FineGYM数据集上提升3.3%，计算量与参数量仅产生微小增加，可集成于不同图卷积网络，具备轻量化、即插即用的特性和优秀的识别性能．

针对虚部磁性颗粒成像中由三角波扫描磁场传递到浓度测量环节的系统性串扰问题，研究了一种余弦激励磁场下的分段平均方法，以抑制磁化率虚部磁性颗粒成像中的虚假相位波动．使用三角波扫描磁场替代阶梯三角波，分析了三角波扫描磁场对虚部磁性颗粒成像的影响．基于正向和反向扫描的磁化信号，构建了分段平均模型，以抵消扫描磁场引入的虚假相位波动．结果表明：对三角波扫描磁场的下降沿和上升沿内的磁化信号进行分段平均有助于消除由三角波扫描磁场带来的扰动，抑制虚假相位波动对虚部成像造成的误差，提高虚部磁性颗粒成像的精度．通过优化扫描磁场参数，基于虚部信息的一维磁性颗粒成像速率得以从2 Hz提升至80 Hz．关于三角波扫描磁场的研究为提高虚部磁性颗粒成像的时空分辨率提供了新思路．

针对传统运动动作捕捉分析方法实时性不足、动作评估准确度低等问题，将人体姿态估计技术应用于羽毛球运动教学中，对羽毛球挥拍动作的识别与标准程度评估进行研究．首先，提出一种基于改进OpenPose的轻量级人体姿态估计模型，将VGG19特征提取网络替换为轻量型的MobileNet网络，并将模型内部的7×7卷积核结构改造为由一个1×1的卷积、一个3×3的深度可分离卷积与一个膨胀系数为2的空洞卷积组成的串联结构，实现了模型的轻量化；然后，针对羽毛球挥拍动作特点，提出14点人体姿态的稀疏表示模型对挥拍动作标准程度进行评估．实验结果表明：改进后的OpenPose模型在将性能提升3倍的同时，对人体手臂骨骼点的识别准确率提升了3.57%；14点人体姿态稀疏表示模型在保证精度的前提下，时效性提升了2.98倍．

针对正确编辑人脸属性的同时保留其他属性的细节的问题，提出一种端到端的基于全局感知人脸属性编辑模型——基于全局感知的生成对抗网络(GP-GAN)．编码器设计全局感知模块来代替传统的卷积编码器，使其同时具有全局感知能力和局部感知能力，进而更好地编辑全局属性和局部属性；同时，针对属性解耦问题提出一种具有多尺度属性特征融合模块和多层感知机转换器的属性转换器．多尺度属性特征融合模块可以在潜在空间中生成丰富的特征向量，为属性解耦提供条件；多层感知机转换器将人脸属性特征编码分为属性相关和属性不相关两部分，并施加正交约束保证属性解纠缠．实验结果表明：本研究模型可以在保留其他属性细节的条件下更好地编辑人脸属性，使生成的图像更加自然真实、质量更高．

针对多移动机器人编队系统在外界扰动和系统模型不确定性影响下，收敛时间无法确定及速度约束问题，提出一种能够约束速度误差的抗扰动虚拟领航者编队控制策略．首先，将移动机器人系统模型分为运动学及动力学两部分，建立双闭环控制结构；其次，根据虚拟领航者及编队构型得到轨迹跟踪误差，设计固定时间运动学滑模控制律；然后，通过提出的固定时间干扰观测器在固定时间内对集总扰动进行准确估计；在此基础上，为限制速度误差在合理范围内，结合障碍李雅普诺夫函数设计了固定时间动力学控制律；最后，对两个移动机器人的编队进行了仿真来验证所提算法的有效性．研究结果表明：所提出的控制策略能够使得编队系统在固定时间内收敛，且收敛时间与系统初始状态无关．

针对文本分类中多粒度信息的互补性和多特征的差异性问题，将深度学习模型和强化学习模块相结合，提出基于多粒度通道和双重强化的文本分类模型．本模型首先使用Word2vec进行词向量预训练，获取字符级和词级词向量，并构建马尔科夫决策过程对词向量进行增强；然后，将强化的字符粒度词向量和词粒度词向量输入不同的卷积神经网络分别进行局部特征提取和全局上下文特征提取，并将这两种特征向量进行归一化处理后，构建马尔科夫决策过程对特征向量进行增强；最后，将强化的特征向量输入全连接层和softmax层进行文本类别划分．在THUCNews和toutiaonews38w两个数据集上的实验结果表明：与已有模型相比，本模型在各评估指标上均有所提升，进一步验证了本方法的有效性．

为了克服在方面级情感分析模型中因外部知识引入而造成的信息冗余与噪声干扰，提出一种基于剪枝策略的知识增强双通道图卷积网络模型．通道一构造一个语法图卷积模块，面向特定方面重构依赖树，利用剪枝策略去除与特定方面语法距离较远及无关的分支，使用情感知识进行补充，得到降噪后以特定方面为根节点的情感依赖树；通道二构造一个语义图卷积模块，通过门控注意力机制构建注意力权重矩阵挖掘语义信息．最后，利用图卷积网络捕获语法信息和语义信息，并通过交互机制进行信息的共享与融合．在4个公开数据集Twitter，Rest14，Rest15和Rest16上的实验结果表明：该模型的分类准确率分别为74.28%，83.21%，82.47%和90.10%，优于基准模型．

为了提高求解双代号网络计划的算法通用性和计算效率，首先研究了两种计算机求解算法的原理，即基于边集数组的算法(EA-A)和基于结构矩阵的算法(SM-A)；然后，提出改进型算法(SM-A1)和相应的Python编程规则；最后，结合算例编写Python程序，验证SM-A1的通用性，并对三种算法的程序性能进行对比分析．经过验证，SM-A1可以准确计算搭接关系转化后的双代号网络计划．算法的性能分析结果表明：SM-A的程序计算效率比EA-A低，主要是因为其在矩阵运算过程中调用了更多的第三方函数．通过优化算法的搜索范围和改进编程规则，可以降低SM-A1程序的时间复杂度和第三方函数的调用，显著提高其求解双代号网络计划的时间参数和关键路径的效率．

为了充分体现子句参与多元动态演绎的灵活性、协同性和充分性，将参与多元演绎的子句划分为主动子句和被动子句，提出一种不同类型的子句充分性评估方法，能较好体现子句的充分性演绎且避免重复路径的搜索．基于该子句评估方法提出一种充分使用子句的多元动态演绎算法，能通过回溯机制搜索较优的演绎路径．将该算法应用于国际顶尖的证明器Eprover中，以2020年和2021年国际一阶逻辑自动定理证明器竞赛例为测试对象，在标准测试时间300 s内，加入了该多元动态演绎算法的Eprover2.4分别比原始Eprover2.4多证明定理11个和9个，能证明Eprover2.4无法证明的定理分别为14个和13个；以定理证明器的数千个问题(TPTP)中等级为1的定理作为测试对象，加入了该多元动态演绎算法的Eprover2.4能有效证明出7个所有证明器都未证明的定理．实验结果表明：所提出的多元动态演绎算法能有效应用于一阶逻辑自动定理证明．