价值单调递减资源广泛存在于零售服务系统与智能调度场景中，其核心挑战在于如何在资源价值持续递减、成员自主经营和信息分散的背景下，实现高效的资源分配与流转。针对便利店集团在价值单调递减商品经营过程中因资源价值递减及成员自治、信息有限披露导致的调度低效与收益损失，本文提出了一种面向零售服务系统的多方共赢协同机制。该机制基于多智能体系统（Multi-Agent System, MAS）建模，允许集团各服务成员在有限信息条件下自主决策，通过动态需求上报与交易撮合优化，实现集团内部资源的重新配置。机制充分考虑成员在局部知识下的策略异质性行为，通过出价与拍卖等事件间接体现成员的真实意图与目标，并通过利润再分配机制促进各方持续参与。为验证机制有效性，基于JaCaMo平台构建服务系统仿真环境，设定多类智能体（门店、顾客、总部等）及市场需求扰动场景，系统性对比多方共赢机制、VCG拍卖机制与传统分散经营机制。实验结果显示，在30天经营周期内，多方共赢机制将集团整体服务收益提升约15.4%，并在顾客满足率与资源使用率等关键指标上优于VCG机制与分散经营模式。研究为价值递减资源的分布式调度与服务系统多方协同机制的实际应用提供了理论基础与数据支撑。

半监督图异常检测旨在利用有限标记数据与大量未标记数据，在复杂图结构中识别异常节点。受制于标记样本稀缺与类别分布高度不平衡，现有方法在实际应用中仍面临显著性能瓶颈。自训练虽然是有效利用未标记数据的经典方法之一，但在图异常检测场景下仍面临两项关键挑战：一方面，有限标记样本中异常节点数量较少，长尾分布容易使模型在初始训练阶段偏向正常类，导致对异常节点的识别能力不足；另一方面，在类别不平衡的训练过程中，错误伪标签的持续累积会引发“马太效应”，使模型不断放大自身预测偏差。针对上述挑战，本文提出一种鲁棒的半监督图异常检测自训练框架DISC，通过解耦不同来源的监督信号，从优化目标层面应对双重不平衡问题。具体而言，针对有限标记样本引入焦点损失以增强模型对稀疏异常节点的关注；针对高置信度伪标签样本，设计分布感知校正损失（Distribution-Aware Rectification，DAR），根据伪标签类别频率对类别先验进行校正，并结合反向交叉熵提高模型对噪声伪标签的鲁棒性，从而抑制自训练过程中预测偏差的持续放大。在YelpChi和Reddit两个公开图异常检测基准数据集上开展实验，并与八种代表性方法进行比较。实验结果表明，DISC在不同数据结构和异常比例下均表现出较强竞争力，其中在YelpChi上取得81.89%的AUROC，在Reddit上取得5.29%的AUPRC和51.96%的Macro-F1，后两项指标均达到最优。消融实验与可视化结果进一步验证了各模块的有效性，表明DISC能够有效缓解半监督图异常检测中的少标签不平衡与自训练偏差累积问题，并提升标注稀缺场景下的检测性能和鲁棒性。

针对居民社区电动汽车充电负荷中近零负荷样本占比高、局部峰值突变等问题，提出一种基于改进贝叶斯优化的TCN-BiGRU-MHA短期预测方法。首先，融合历史负荷、气象和时间日历信息，构建多源特征输入矩阵。其次，为改善贝叶斯优化算法在超参数搜索中的初始样本分布和目标函数拟合效果，并协调探索与利用，采用Circle混沌映射生成初始样本，交替使用高斯过程与随机森林代理模型，并在探索、利用和精细搜索阶段依次采用置信下界、期望改进和改进概率采集函数，联合优化模型结构与训练超参数。采用江西省某居民社区20台，额定功率为7 kW交流充电桩的4392个小时级样本进行验证，数据覆盖2024年7月2日至12月31日，近零负荷样本占49.52%。数据经异常值处理、缺失值填补和桩级功率聚合后，按时间顺序以7：2：1划分训练集、验证集和测试集。改进贝叶斯优化算法在10维超参数空间中最多进行50次评估，连续15次评估未刷新最优值时提前停止。实验结果表明，所提模型的平均绝对误差和均方根误差分别为0.2315 kW和1.2244 kW，决定系数为0.9843；与标准贝叶斯优化得到的同类模型相比，前两项误差分别降低72.8%和19.9%；与遗传算法和麻雀搜索算法优化的同类模型相比，均方根误差分别降低55.84%和44.93%，决定系数分别提高0.0646和0.0360。在相同数据划分及预测设置下，所提模型优于Transformer、Informer及两者经改进贝叶斯优化得到的模型。消融实验支持各模块在特征提取、时序建模与时间步加权方面的互补作用。SHAP分析显示，时间日历、历史负荷和气象环境特征的贡献度分别为45.96%、29.82%和24.22%，上一小时负荷、前一天及前一周同一时刻负荷分别反映短时相关性、日周期与周周期特征。在所研究社区稀疏且峰值显著的充电负荷数据上，所提方法降低了平均绝对误差和均方根误差；面向该场景设计的预测模型与改进贝叶斯超参数优化相结合，有助于提高预测精度，可为社区有序充电控制、配电网峰谷调节和短期运行调度提供预测依据。

知识型视觉问答需要借助图像之外的世界知识完成作答。现有研究多利用多模态大模型 (MLLM)获取视觉推理知识，或是以大语言模型 (LLM)作为知识引擎，将图像转化为文本以开展推理。MLLM视觉理解能力突出但推理能力不足，LLM推理能力强却无法直接解析视觉信息，如何充分发挥两类模型的互补优势，现有集成方法尚未得到充分研究。针对上述问题，本文提出一种 LLM 协调多个 MLLM 协同推理的知识型视觉问答新范式，将多个MLLM作为异构知识引擎，由 LLM 承担多源证据的权衡与仲裁角色，实现视觉感知能力与逻辑推理能力的深度融合。该框架包含三个核心阶段：其一，问题感知字幕生成阶段，采用BLIP-2图像关联文本编码器结合GradCAM梯度定位方法，精准识别图像中与问题高度相关的关键视觉区域；同时针对InstructBLIP与LLaVA-1.5两类MLLM的指令响应特性，设计6类互补性提示模板，生成多视角、问题导向的感知字幕，为后续推理提供丰富的视觉上下文知识。其二，候选答案池构建阶段，将原始图像与问题分别输入两个MLLM生成独立候选答案，拓宽答案搜索空间，有效缓解单模型的知识盲区与领域偏差问题。其三，LLM 协调推理阶段，将感知字幕、候选答案、模型标识整理为结构化提示，结合上下文学习机制检索训练集中的相似样本，输入LLaMA2-7B模型；LLM依托自身内置的世界知识与语义推理能力，完成多源证据的语义关联、冲突判别与可信度排序，最终输出最优推理答案。实验结果表明，所提方法在OK-VQA数据集上准确率可达69.4%，在A-OKVQA直接回答任务上准确率达67.1%，在同参数量级方法中取得最优性能。消融实验验证，移除感知字幕模块与候选答案模块会分别造成7.5、6.7个百分点的性能下降，充分证明了多源视觉证据对LLM仲裁决策的必要性，以及多MLLM异构协同框架的有效性，为构建轻量高效的多模态推理系统提供了新思路

细粒度图像分类中复杂的类内特征分布给判别性特征学习带来了较大挑战。现有基于代理的度量学习方法通常采用固定数量代理表示所有类别，难以适应不同类别内部结构复杂度的差异，从而限制了对复杂类内分布的刻画能力。为此，提出一种自适应多代理度量学习方法（Adaptive Multi-Proxy Metric Learning，AMPML）。该方法根据样本与代理的历史匹配概率平滑更新代理使用率，以反映各代理在类别样本中的使用情况；随后依据激活阈值动态筛选各类别的有效代理，使参与优化的代理数量与集合随类别特征分布变化而调整，从而适应不同类别的类内结构复杂度。在此基础上，根据势场理论建模同类样本与代理之间的吸引关系以及异类样本与代理之间的排斥关系，以优化代理点与样本的空间分布。势场计算仅涉及样本与当前有效代理之间的相互作用，未激活代理不参与势能计算。由此，类别级代理规模调整直接改变势场作用范围，使不同类别的样本接受与其有效代理集合对应的优化约束。同时，针对样本—代理约束对局部边界刻画不足的问题，采用困难样本约束增强边界样本的类内紧凑性。具体而言，根据模型对真实类别的预测置信度筛选困难样本，在同类别困难样本之间构建距离约束，以补充样本—代理势场对局部类内关系的建模。最后，在CUB-200-2011、Stanford Dogs和FGVC-Aircraft三个公开细粒度数据集上进行实验验证。同时比较不同主干网络的分类结果，并通过消融实验分析各模块对分类准确率的影响及其协同关系。实验结果表明，所提出方法能够有效优化特征空间分布，提高复杂类内结构的建模能力，并取得优于多种现有度量学习方法的分类性能。消融实验和可视化分析进一步验证了各组成模块的有效性及其协同作用。自适应多代理度量学习的细粒度图像分类

为解决复杂堆场中多无人机巡检面临的目标密集分布、遮挡关系复杂、标签识读可靠性不足及多无人机路径冲突等问题，提出一种多无人机巡检任务分配与路径规划方法。综合考虑链路传播、天线方向、极化失配、阴影衰落及堆叠遮挡等因素，建立兼顾RFID可靠识读与多无人机安全飞行约束的巡检模型，将问题分解为覆盖约束下的可靠悬停位置优化，以及多无人机任务分配与无冲突路径规划两个子问题。设计基于势博弈的可靠悬停位置优化算法，以截断型势函数度量未可靠覆盖标签的概率增益，通过多初始最佳响应动态搜索生成满足覆盖率约束且规模紧凑的悬停位置集合。基于该集合，设计基于冲突反馈与安全区间规划的任务分配与路径规划算法（CF-SIPP），以系统完工时间、总时间代价、负载均衡度和冲突惩罚构造综合目标，通过任务转移、任务交换和访问序列调整优化任务方案，并将安全区间路径规划产生的冲突信息反馈至任务调整过程，实现任务优化与无冲突路径生成。仿真结果表明，在不同无人机数量和标签规模实验中，CF-SIPP相较ECBS-TS的系统完工时间分别降低6.33%和3.39%，总时间代价分别降低2.69%和2.01%；在复杂工况和路径阻塞条件下，系统完工时间分别降低6.44%和6.71%，总时间代价分别降低6.75%和6.93%。消融实验表明，任务转移是降低系统完工时间的主要局部搜索策略，冲突反馈在高冲突场景下作用更为明显；参数敏感性分析表明，遮挡附加损耗是影响巡检性能的关键因素。显著性检验结果表明，CF-SIPP在不同任务规模和环境约束下均具有稳定的性能优势。所提方法能够在满足标签可靠覆盖和多无人机安全间隔约束的同时，有效降低系统完工时间和总时间代价，并具有较好的复杂工况适应性、规模扩展性和运行稳定性。

自然语言处理中的低资源场景常面临数据稀缺挑战，照明智能客服领域尤为突出，其专业术语密集、规格参数稀疏、服务与产品组合冗余，导致高质量意图标注数据获取困难。现有同义词替换、回译等传统增强方法难以提升语义多样性、化解意图边界模糊；基于大语言模型的生成式增强则易出现意图偏移、实体错误等问题，领域适配性不足。针对上述问题，本文提出引导式约束去重数据增强方法（Guided Constraint Deduplication Data Augmentation, GCDDA）。该方法构建了少样本示例引导、多维度约束筛选与语义相似度去重的三阶协同框架：少样本示例引导以少量高质量种子样本为参照，使模型快速适配照明领域的生成范式，弥补大规模人工标注的缺失；多维度约束从意图、实体及场景语言三个层次对生成过程施加细粒度控制，有效抑制生成式增强中常见的意图偏移与实体违规；语义相似度去重通过大语言模型驱动的重复度打分机制，强制剔除“换词不换逻辑”的冗余样本，从根本上化解传统方法语义多样性不足与意图边界模糊的缺陷。三者协同，在无需对生成式语言模型进行微调的前提下，即可批量生成质量可控、低冗余的意图样本。实验结果表明，在自建Light-Intent数据集上，以BERT-base-Chinese为下游分类模型，（5-shot）基线的准确率仅为40.54%，经GCDDA增强后达到63.34%，F1值从40.33%提升至63.66%，且增强后的性能（5+15-shot）优于同规模真实数据（20-shot）的60.48%准确率和60.88%F1值；在ATIS、Kuake-qic、a_intent三个公开数据集上，GCDDA在同等样本规模下优于回译、同义词替换等传统增强方法及ZeroGen、AugGPT及PromptMix等生成式增强方法。该方法无需对生成式大语言模型进行微调，可灵活迁移。

随着科学文献规模的快速增长，科研人员的信息需求正由文献级相关性检索逐渐转向对研究问题、技术路线、实验条件及结论证据等细粒度科学知识的获取。然而，现有科学论文表示方法主要依赖论文摘要或固定长度文本切块构建语义表示，难以同时兼顾科学知识的完整表达与证据可追溯性；与此同时，利用单一大语言模型构建论文语义表示受限于上下文窗口长度以及事实一致性不足等问题，难以生成高质量、可复用的语义表示。针对上述问题，本文提出一种基于多智能体协同的科学论文细粒度语义挖掘方法，采用“控制—状态—操作”三层架构，由确定性任务编排器管理阶段推进与反馈回溯，以共享语义证据空间统一维护具有类型、来源和依赖关系等信息的中间对象，通过文本增强、原子事实抽取、语义组织和核验四类功能智能体，逐级完成从多模态证据到语义表示的构建。核验智能体输出包含错误类型及对象标识的结构化报告，驱动编排器沿依赖链进行局部修正与重算，形成核验驱动的闭环协同机制。在此基础上，进一步构建了面向科研知识发现的基于语义表示学术论文检索与知识服务框架。基于自建的arXiv科学论文数据集开展实验，结果表明，本文方法在关键事实覆盖率、文本信息量和原文忠实性方面均取得最优结果，并将跨单元语义冗余控制在较低水平。自动化评估的结果表明，基于该语义表示实现的学术论文检索与知识服务能够为科研人员提供更相关且更可信的结果；定性案例进一步显示，在相近词元消耗下，基于语义表示的服务能够提高证据覆盖率，并增强回答及推荐理由的具体性和查询契合度，从而验证了

热敏灸通过诱发经络感传及气至病所反应，能够显著提升艾灸疗效，已在镇痛、功能调节及慢性病康复等领域得到广泛应用。然而，热敏灸操作具有较强的经验性和个体化特征，现有技能评估主要依赖专家现场观察与主观判断，存在评价标准模糊、结果易受主观因素影响以及操作质量难以客观量化等问题。此外，热敏灸强调根据患者热敏反应动态调整施灸位置、范围和节律，若采用轨迹形状匹配或静态模板匹配进行评价，容易将临床上合理的个体化调整判定为操作偏差。针对上述挑战，本文以腧穴热敏化理论和临床施灸经验为支撑，面向热敏灸实践教学与技能考核，提出一种融合专家经验与多维运动特征的客观评分方法。该方法以施灸过程中灸条的三维运动轨迹为分析对象，构建涵盖空间控制、运动节律和操作时序的多维评价体系，并针对不同灸法在操作特征上的差异，采用与运动模式相适应的差异化评价策略。在此基础上，构建基于修正累积分布函数的评分模型，利用评分尺度参数调节模型对不同指标偏差的响应程度，将不同量纲的特征偏差统一映射为归一化得分，实现各维度分项评分与综合评分。为验证所提方法的有效性，在108组涵盖回旋灸、雀啄灸、悬灸和循经往返灸四种典型灸法的自建数据集上开展实验。实验结果表明，所提方法评分与人工参照评分之间的MAE为0.037～0.059，ICC(3,1)为0.757～0.860，在不同灸法上均表现出较好的评分准确性和一致性。与多种基于时间序列或轨迹相似度匹配的评价方法相比，所提方法整体具有更低的评分误差和更稳定的评价性能。研究结果显示，所提方法能够在客观量化施灸规范程度的同时，提供具有明确操作含义的分项评价结果，可为热敏灸实践教学、技能考核及操作反馈提供稳定、可解释的数字化评价依据。

多模态磁共振成像（MRI）脑肿瘤分割中，不同MRI模态对肿瘤亚区的贡献存在显著差异，传统通道拼接或简单特征相加难以充分刻画模态特异性，且现有分割网络通常缺少对模态贡献的显式解释，这些问题限制了多模态MRI脑肿瘤分割的准确性、鲁棒性和可解释性。针对上述问题，构建了基于隶属度的多模态MRI脑肿瘤图像分割网络。该网络采用私有-共享解耦编码器（Private-Shared Encoder）分别提取各模态特异性病理特征和跨模态共享解剖表征，以缓解多模态特征纠缠；在模糊融合层（Fuzzy Fusion Layer）中，设计数据与先验协同驱动的隶属度模块（Data-Prior Co-driven Membership Module，DPC-MM），通过数据驱动响应与医学先验引导共同生成体素级模态隶属度，用于表征不同MRI模态在不同肿瘤区域中的动态贡献，并利用模糊特征融合模块（Fuzzy Feature Aggregation Module，FFAM）对各模态私有特征进行隶属度加权，然后与共享特征残差融合，从而增强对肿瘤空间异质性和模糊边界的表征能力。网络最终输出多模态隶属度图及脑肿瘤分割结果。在BraTS2021数据集上进行五折交叉验证，结果显示，整体肿瘤（WT）、肿瘤核心（TC）和增强肿瘤（ET）的Dice系数分别为0.9223±0.0061、0.8873±0.0064和0.8593±0.0110，平均Dice为0.8897±0.0069；平均95% Hausdorff距离（HD95）、平均表面距离（ASD）和期望校准误差（ECE）分别为5.18±0.53 mm、3.15±0.54 mm和0.1442±0.0073。进一步在BraTS2021和BraTS2018 HGG数据集开展多方法对比实验，所提方法的Mean Dice分别为0.9037和0.8393，Mean HD95分别为4.7764 mm和5.1885 mm，体现出较好的综合分割性能。实验结果表明，所提网络能够利用体素级模态隶属度实现区域自适应的多模态特征融合，在获得较高分割精度的同时保持较好的边界质量和概率校准性。同时，所生成的多模态隶属度图能够直观呈现模型在不同空间位置和肿瘤亚区中的模态使用差异，为多模态MRI脑肿瘤分割提供可量化和可视化的模态级解释表示。

随着生成式人工智能和局部内容编辑技术的发展，深度伪造已由整段合成扩展至局部语音和画面修改。视频级检测容易使短时异常被真实内容稀释，逐帧检测则常产生缺乏连续性的零散结果，二者均难以直接给出篡改片段的起止位置和持续时间。深度伪造时序定位因此需要从未裁剪的音频、视频或音视频序列中识别可疑片段，并输出可复核的时间区间。本文检索Google Scholar、Web of Science、IEEE Xplore、ACM Digital Library、CVF Open Access和arXiv，纳入时序定位方法及相关数据集、评价协议和支撑技术研究。本文以检测证据和定位目标的变化为主线，将技术演进概括为“局部伪影检测—生理与行为特征分析—音视频联合检测—伪造区间生成—伪造边界修正”，并按输入模态梳理音频、视觉和音视频多模态方法。针对多模态研究，进一步建立“伪造证据—模态交互—区间解码”的分层框架。综合分析表明，现有研究主要围绕证据可靠性和边界精度展开。上下文建模与自监督学习能够降低对特定生成器和已知伪造类型的依赖，但过度融合可能平滑短时异常，真实场景中的正常声画偏移也可能触发误报。多模态交互有助于利用音频与视觉信息的互补性，但其效果容易受到模态质量、对应关系及模态缺失的影响。在已正式发表的研究中，代表性多模态方法在LAV-DF和AV-Deepfake1M官方测试集上的AP@0.50最高分别超过99%和94%，而AP@0.95最高约为70%和51%，表明现有方法已能较好地检出伪造区间，但在严格重叠条件下准确恢复片段边界仍面临较大挑战。跨数据集和跨语言结果进一步表明，生成器、语言、编辑方式、片段长度及数据构造偏差均会影响模型性能，域内结果不能直接代表真实场景下的稳定泛化。未来研究应加强数据集审计和真实传播条件评测，完善跨数据集、跨生成器与跨语言评价，并结合模态质量评估、不确定性估计和分模态证据保留，提高定位结果的可靠性、可解释性与实际部署能力。

Aiming at the problem that the existing multivariate time series prediction methods based on diffusion model have insufficient conditional information representation ability and large computational cost of long sequence modeling, this paper proposes a diffusion model (Wavelet-Conditioned Diffusion Model with Mamba, WCDM-M) that combines wavelet condition enhancement and lightweight Mamba architecture. The wavelet conditional enhancement network is designed in the WCDM-M model. The multi-scale time-frequency analysis of the historical time series is carried out by continuous wavelet transform, and the periodicity, local variation and transient characteristics at different time positions and scales are expressed explicitly. Then, using the convolutional coding structure composed of two layers of InceptionV1 modules, the time-frequency features under different receptive fields are extracted through multi-scale convolution kernels and pooling branches, and the scale dimension is compressed through deep convolution. The conditional vector is generated by linear mapping, which provides a multi-scale time-frequency prior for the diffusion reverse denoising process. In the denoising network, a lightweight time-series modeling backbone based on the selective state space model Mamba is designed. By removing the Conv1D module in the native Mamba, the linear mapping is used to simplify the redundant projection, and the L-Mamba module is constructed to achieve efficient modeling of long-distance timing dependencies. At the same time, the wavelet condition vector and diffusion step are embedded into the joint input multi-layer perceptron to generate feature scaling and offset parameters, and the adaptive feature modulation of different diffusion stages is realized by the condition layer normalization mechanism. Experimental verification is performed on five public time-series datasets of ETTm1, Electricity, Traffic, Weather and Exchange. The results show that in the 96-step prediction task, the MSE of WCDM-M on the five datasets is 0.3212,0.1767,0.4196,0.0071 and 0.0410, respectively, which is better than the optimal results in the corresponding comparison model. Among them, the MSE of the Weather dataset is reduced to 0.0071, indicating that the model can effectively capture high-frequency fluctuation pattern; the MSE of the Exchange data set reaches 0.0410, which verifies the predictive capability of the model for non-stationary time series. The results of ablation experiments show that after removing the wavelet conditional network, the average MSE of all data sets and prediction lengths is increased by 26.4%; after using single-scale wavelet or removing Inception multi-branch coding, the average MSE is increased by 15.1% and 10.5% respectively, which proves that multi-scale time-frequency conditions and multi-receptive field feature extraction play an important role in model performance improvement. In addition, the WCDM-M parameter is 11.2M, which is lower than 18.5M of the Transformer denoising version WCDM-T, and the single-round training time is 89.7ms, which is 26.6% lower than WCDM-T. The WCDM-M model combines the wavelet time-frequency condition enhancement with the lightweight Mamba denoising network, which reduces the computational complexity and improves the prediction ability of the diffusion model for periodic changes, local mutations and non-stationary dynamic patterns. It provides an effective method for the prediction of complex and variable time series with both accuracy and efficiency.

针对现有伪装目标检测（COD）方法易产生误检、漏检及边界定位不准确等问题，提出一种基于预测先验与不确定性细化的伪装目标检测方法（PURNet）。该方法以金字塔视觉Transformer（PVT）作为骨干网络，获得具有丰富语义信息的多尺度特征。在此基础上，设计双路先验引导注意力模块（DPAM），将当前阶段的预测结果作为预测先验，并从空间和通道两个维度对特征进行自适应增强。其中，空间先验引导特征关注潜在目标区域，抑制背景区域的无关响应；通道先验根据当前预测状态动态生成通道注意力参数，对目标相关语义特征进行重新加权，以增强模型对目标的特征表达能力。为进一步衡量预测结果的可靠性，引入不确定性生成模块（UGM），通过概率分布建模和重参数化采样获得多组预测样本，并利用样本的方差估计不确定性。进一步提出组不确定性引导残差细化模块（GUGR），采用不同程度的不确定性引导策略，逐步融合不确定性信息与特征，同时对不可靠区域进行渐进式细化，使模型能够根据预测可靠程度自适应调整预测结果。为验证所提方法的有效性，在CAMO-Test、COD10K-Test和NC4K三个公开伪装目标检测数据集上开展实验，并从结构度量 、增强对准度量 、加权 以及平均绝对误差MAE四个指标进行综合评价。在CAMO-Test上，模型取得0.856的 、0.920的 、0.804的 以及0.050的MAE；在COD10K-Test上分别取得0.839、0.914、0.730和0.029；在NC4K上分别为0.870、0.926、0.812和0.037。模型复杂度与推理效率实验表明， PURNet的计算量为10.77 GFLOPs，参数量为25.82 M，推理速度达到78.6 FPS。综合实验结果表明，PURNet能够有效融合预测先验与不确定性信息，在复杂背景下实现更准确的目标定位与分割。

针对二维医学图像分割中弱边界、低对比病灶及成像伪影易造成定位偏移、漏分和过分割，以及冻结视觉基础模型的图像块级语义与医学像素级空间结构对应不足的问题，提出DINOv3先验引导的参数高效医学图像分割网络HiFi-DinoMECNet。网络以冻结的DINOv3-S/16为语义编码主干，仅训练空间适配结构和解码器，在保留自监督语义先验的同时降低任务训练阶段的参数更新规模。首先，从DINOv3第3、6、9和12个Transformer块提取图像块标记，去除类别标记和寄存标记，通过标记-特征图转换及尺度对齐构建四级伪多尺度语义接口，使不同语义深度的特征能够与后续空间分支逐级对应。其次，在编码端设计语义-空间保真注入模块SSFI，利用浅层卷积特征生成空间查询，预测局部采样偏移和聚合权重，并在冻结语义特征图上执行空间引导的局部采样，从而增强弱边界、纹理及局部结构区域的语义响应。再次，在解码端构建多尺度高效协同注意解码器MECAD，依次完成上采样校准、语义门控筛选和多尺度上下文聚合，以抑制浅层噪声与伪边界并逐级恢复高分辨率分割结果。实验在ISIC 2017、ISIC 2018、BUSI和DSB18四个公开二维医学图像数据集上开展，所有方法在固定数据划分下采用相同的5个随机种子独立训练，并报告均值±标准差。关键超参数依据独立验证集选择，测试集仅用于最终模型配置确定后的性能评价。HiFi-DinoMECNet在四个数据集上的Dice相似系数分别为91.04%、91.08%、83.18%和93.12%。在ISIC 2018测试集上，模型的平均交并比、Dice相似系数、BoundaryF1和HD95分别为83.18%±0.12%、91.08%±0.08%、85.42%±0.11%和8.34±0.15像素。消融实验表明，SSFI与MECAD分别作用于编码端语义-空间适配和解码端特征重构，二者共同改善区域重叠和边界质量。在224×224输入分辨率下，模型总参数量为27.64M，可训练参数量为6.28M，浮点运算次数为5.12G，推理速度为57.20±1.25FPS。结果表明，该方法能够在分割精度与适配成本之间取得合理平衡，为冻结视觉基础模型在二维医学图像分割中的参数高效迁移提供可行方案。

【目的】 针对医学图像病灶分割中边界模糊、高频细节丢失及全局建模不足等问题，提出频域—空间双域协同分割网络FreqUNet，以提升弱边界病灶的分割精度和轮廓连续性。【方法】 以U-Net为基础构建频域与空间双分支编码结构，在编码器前3层嵌入多尺度频域增强模块（Multi-scale Frequency Filtering Module，MFFM）。通过二维快速傅里叶变换解耦幅值谱和相位谱，将幅值划分为低频结构分量和高频细节分量，分别采用压缩激励模块和3×3、5×5、7×7并行多尺度卷积进行增强，并利用初始值为0.2的可学习参数γ自适应调节高频能量。瓶颈层设计频域—空间双域注意力模块（Frequency-Space Dual Attention，FSDA），融合频域通道注意力和空间多尺度空洞卷积特征。训练采用二值交叉熵、Dice和边界损失构成的联合损失函数，权重比例为0.6∶0.3∶0.1。在BUSI、ISIC、Kvasir和CVC-ClinicDB四个公开数据集上，与U-Net、U-Net++、TransUNet、FAT-Net、Swin-UNet、H2Former、FFC、SFUNet和PFESA进行统一条件下的对比，并开展消融、泛化及失败案例分析。【结果】 FreqUNet在BUSI上的mDice为0.8758，较U-Net提高10.39个百分点，HD95降至13.34像素；在ISIC、Kvasir和CVC-ClinicDB上的mDice分别为0.8990、0.8889和0.8886。在BUSI、ISIC和Kvasir上，FreqUNet的mDice和HD95均取得最优；在CVC-ClinicDB上，除FAT-Net外整体优于其他对比模型。Wilcoxon符号秩检验经Bonferroni校正后显示，FreqUNet在BUSI上显著优于所有对比模型（p<0.0056），在ISIC、Kvasir和CVC-ClinicDB上与FAT-Net差异无统计学意义。模型参数量为35.84M，计算量为58.63G，推理速度为144.81 FPS。失败案例分析发现，模型在极低对比度、强噪声、病灶粘连和微小病灶等样本上仍可能出现局部漏检、误检或边界断裂。三组跨数据集实验表明，FreqUNet在ISIC 2018→PH2、CVC-ClinicDB→ETIS-LaribPolypDB和BUSI→UDIAT任务中具有稳定的泛化性能。消融实验表明，自适应幅值增强与双域注意力具有协同作用，完整模型较基线mDice提高9.66个百分点，加入边界损失后HD95由15.62像素降至13.34像素。【结论】 FreqUNet通过频域解耦、差异化幅值增强和双域自适应融合，有效提升了弱边界病灶的结构表达和边界刻画能力，可为乳腺超声、皮肤镜和内镜图像的自动分割提供参考，但在复杂噪声和极端弱边界场景下仍有进一步优化空间。

随着工业物联网数据持续向云端汇聚，如何在保证数据机密性的同时实现动态可信的数据访问控制，成为云数据共享场景中的关键问题。现有访问控制方案虽然能够依据用户属性实现细粒度授权，但通常将属性满足结果直接转换为数据获取能力，导致授权过程与数据获取过程高度耦合。当用户状态发生变化、访问策略更新或授权关系失效时，历史授权材料仍可能被继续使用，从而引发失效授权风险。此外，现有方案主要依赖静态授权结果进行访问控制，难以持续感知用户状态、策略状态以及数据状态变化，无法保证数据访问过程中的持续可信性。针对上述问题，提出一种授权与数据获取解耦的云数据访问控制方案。首先，构造一种授权与数据获取解耦访问控制结构，将属性满足结果限定为数据加密种子恢复资格，而非直接赋予数据获取能力，使授权判定与实际数据恢复过程相互分离。通过控制数据加密种子的恢复过程，使用户状态变化和访问策略变化能够持续影响后续数据获取结果，从而降低历史授权材料长期有效导致的安全风险。其次，设计一种面向数据获取的双阶段持续验证机制，在授权阶段结合用户身份、属性策略以及链上状态信息完成访问条件验证，在数据获取阶段通过部分解密结果生成和数据加密种子验收过程，对授权状态、策略版本以及数据完整性进行进一步验证，实现对访问过程的持续约束。同时，针对云环境中用户匿名访问与异常责任追踪之间的矛盾，构建一种与访问过程绑定的匿名责任追踪机制，通过伪名凭证、请求签名以及链上访问记录，在隐藏正常用户真实身份的同时，实现异常访问行为追踪和责任用户撤销。性能分析实验结果表明，与同类访问控制方案相比，所提方案的密文生成时间和数据解密时间分别降低68.9%和84.3%，访问控制附加存储开销保持在KB级范围内，链上基础操作平均时延低于56 ms，能够满足云数据访问场景中的效率需求。在安全性方面，首先通过安全分析对所提方案进行了理论验证，并进一步通过基于综合攻击阻断率的消融实验验证所提安全机制的有效性。针对失效授权、策略版本异常、密文替换以及绑定异常等多类攻击，消融实验结果表明，分别移除授权与数据获取解耦机制、动态链上状态验证机制以及BKD绑定机制后，综合攻击阻断率分别下降至91.70%、66.15%和75.50%。为了区分各机制的安全边界，独立模块实验表明，仅包含授权解耦机制、动态链上状态验证机制以及BKD绑定机制的方案综合攻击阻断率分别为33.33%、66.97%和58.51%，说明三类机制分别在访问流程约束、动态状态保持以及密钥—数据绑定方面具有独立防护作用，而完整方案通过多机制协同实现更加全面的安全防护。综上，所提方案通过将授权过程与数据获取过程解耦，并结合动态链上状态验证和密钥—数据绑定机制，实现了面向云端数据共享场景的持续可信访问控制。

针对无人机航拍场景中小目标尺度小、特征易衰减、复杂背景干扰强，以及检测精度与轻量化部署难以兼顾的问题，本文基于YOLO11s提出一种轻量化协同优化小目标检测模型BEL-YOLO。模型围绕多尺度特征融合、上采样细节重建、高分辨率预测和边界框回归优化进行针对性设计。首先，在颈部网络中引入双向特征金字塔网络（BiFPN），通过双向加权跨尺度融合增强浅层空间细节与深层语义信息交互，提高小目标多尺度特征表征能力。其次，提出门控通道移位增强上采样模块（GSC-EUCB），利用通道重排、通道移位混合与残差门控融合增强跨通道信息交互和局部细节恢复，降低上采样过程中的弱小目标特征损失。随后，基于LSCD共享卷积机制设计Detect_LSCD-P2，将检测尺度由P3/P4/P5重构为P2/P3/P4，利用高分辨率特征强化微小目标感知，并通过跨尺度参数共享减少预测分支参数冗余。最后，提出归一化Wasserstein内部形状联合损失函数（NWIS-Loss），将NWD的分布距离约束与Inner-ShapeIoU的内部重叠及形状约束进行联合建模，提高微小边界框对位置偏移的鲁棒性与边界几何一致性。在VisDrone2019数据集上的实验结果表明，与YOLO11s相比，BEL-YOLO的参数量减少29.6%，mAP50和mAP50-95分别提升8.3和5.6个百分点，Precision和Recall分别提升6.2和7.2个百分点，同时保持157.41 FPS的推理速度。TinyPerson数据集上的实验进一步表明，BEL-YOLO的mAP50和mAP50-95较YOLO11s分别提升5.3和1.84个百分点，验证了模型在极小目标及复杂背景场景下的良好泛化能力。综合结果表明，BEL-YOLO在提升航拍小目标检测精度的同时，有效控制了模型规模与推理开销，为资源受限无人机平台的小目标实时检测与边缘部署提供了有效方案。

针对符号音乐生成模型在多轨编配任务中难以充分刻画乐器轨道间和声关系、节奏组织和音乐理论约束的问题，提出一种融合美学计算与混合学习的多轨音乐生成模型（HL-MTMG）。现有符号音乐生成方法多侧重音符序列建模或通用可控生成，能够在一定程度上学习音乐数据分布，但在钢琴、吉他、贝斯等多轨乐器共同生成场景中，仍容易出现轨道间和声关系松散、节奏结构不稳定、重复音符比例偏高以及旋律音高控制不足等问题。为提升多轨生成结果的协调性和艺术表现力，HL-MTMG从音乐美学计算角度出发，将跨轨道协同建模与音乐理论规则约束结合起来，使模型既能学习单条轨道内部的序列规律，又能建模不同乐器轨道之间的交互关系。在技术实现方面，HL-MTMG主要由混合学习模块和奖励反馈网络组成。混合学习模块同时引入掩蔽自注意力机制和跨轨道注意力机制，其中掩蔽自注意力机制用于学习单轨内部的时序依赖关系，跨轨道注意力机制用于计算钢琴、吉他和贝斯轨道之间的相关性，从而增强模型对多轨协同关系的表达能力。奖励反馈网络基于生成对抗学习思想构建，将旋律音高范围约束和音符重复抑制规则转化为奖励信号，并与交叉熵损失共同作用于训练过程，引导生成器在学习数据分布的同时保持较好的旋律规范性和和声合理性。实验使用Lakh MIDI数据集构建三轨符号音乐实验子集。数据预处理阶段筛选同时包含钢琴、吉他和贝斯音轨的流行音乐MIDI文件，并进行轨道映射、节拍对齐、异常样本剔除和4小节切分，最终得到11,840条三轨音乐片段。为避免数据泄漏，实验以原始MIDI文件为单位进行划分，并按照8∶1∶1的比例构建训练集、验证集和测试集。所有对比模型和消融模型均采用相同的数据划分方式、输入表示、生成长度和评价流程。为进一步验证泛化能力，本文还构建包含300条外部三轨音乐片段的External-MIDI测试集，用于检验模型在非训练数据来源上的适应能力。实验将HL-MTMG与MuseGAN、HRNN、XMusic三种代表性基线模型以及三种消融变体进行对比。客观结果显示，HL-MTMG在主实验中取得0.61的和弦匹配度和0.72的和谐度，整体高于所选对比模型和消融变体。在音符特征方面，HL-MTMG的三个连续音符数与总音符数之比（NCTN）为0.22，低于其他模型；同时，该模型在有效节拍内音符出现频率（QR）、音高类别数（UPC）和复音率（PP）上分别达到0.47、0.72和0.64，表明其在节奏组织、音高丰富性和多轨复音表现方面具有较好效果。在External-MIDI测试集上，HL-MTMG的和弦匹配度、和谐度、NCTN、QR、UPC和PP分别为0.56、0.67、0.25、0.45、0.68和0.60，说明其在外部数据来源上仍能保持相对稳定的生成质量。主观评价方面，实验邀请10位专业作曲家和90位音乐爱好者对生成结果进行评分。音乐爱好者评价结果显示，HL-MTMG在旋律、音乐形式和可听性维度上的得分分别为7.87、8.17和7.47；专业作曲家评价结果显示，HL-MTMG在和弦、音程、和声、音高和音乐风格五个维度上的得分分别为6.6、7.6、7.8、7.4和9.1。Kendall协调系数检验结果表明，节奏、旋律、完整性、音乐形式、可听性和流畅性六个维度的Kendall’s W分别为0.74、0.81、0.76、0.79、0.72和0.75，且均达到显著水平，说明主观评分具有较高一致性。综合实验结果表明，跨轨道注意力机制能够增强模型对钢琴、吉他和贝斯之间协同关系的建模能力，音乐理论奖励反馈能够改善旋律音高控制和重复音符抑制效果。HL-MTMG在所构建的三轨符号音乐生成任务中能够提升生成结果的和声协调性、节奏组织能力和部分主观评价表现，为多轨音乐生成中引入美学计算和音乐理论规则提供了一种可行思路。当前实验主要面向固定三轨、固定长度的符号音乐片段，未来仍需在更多乐器组合、音乐风格和长结构音乐生成任务中进一步验证模型的适应性。

针对低空多无人机网络中环境动态变化导致高精度无线电地图(Radio Map，RM)实时生成困难、无人机单机算力受限以及多机并发请求引起边缘计算过载等问题，本文提出了一种面向低空多无人机的空地协同无线电地图共享生成机制及联合优化方法。首先，利用条件扩散模型在复杂传播环境下的RM生成能力，将建筑物分布、辐射源位置等场景信息构造成条件提示词，并在地面边缘服务器端依据不同无人机请求之间的场景相似性进行聚类。对于同一簇内的相似请求，选取具有代表性的类心样本作为共享条件，统一执行扩散模型前缀去噪过程，再由各无人机结合自身场景条件完成后续个性化去噪，从而复用相似请求之间的中间计算结果，减少重复推理开销。其次，综合考虑无人机与基站之间的空地通信时延、边缘服务器共享去噪计算时延以及请求条件差异对RM生成质量造成的影响，构建了联合无人机-基站关联策略与服务器内部聚类结构的混合整数非线性规划模型，以实现RM生成质量与系统端到端时延之间的协调优化。针对该问题变量耦合紧密、求解复杂度高的特点，提出了一种关联-聚类协同优化算法(Association-Clustering Collaborative Optimization，ACCO)。其中，外层采用引入精英保留策略的遗传算法全局优化关联策略，内层基于轮廓系数和层次聚类自适应确定各服务器的最优簇数及类心样本，通过内外层迭代实现服务关联与共享去噪结构的协同优化。仿真实验结果表明，本文方法生成RM的系统平均计算时延与模拟退火、GAI-IoV、随机关联、本地计算和STACKING等算法相比，平均时延分别降低约13.7%、9.5%、18.4%、42.2%和9.9%，同时保持较高且稳定的RM生成质量。在不同无人机数量、边缘服务器数量及服务器计算能力条件下，所提方法均表现出较好的时延性能、生成稳定性和网络扩展能力。进一步地，本文搭建了实物测试平台，对所提共享去噪机制在真实设备和无线通信环境中的运行效果进行测试，验证了所提空地协同RM生成方法的可行性，可为低空高动态场景下的实时电磁态势感知和大规模无人机网络协同提供技术参考。

认知诊断通过学生作答记录估计知识概念掌握状态，为个性化教学提供依据。现有方法多关注学生、习题与知识概念之间的静态关系，对时间上下文与潜在情感因素的联合建模不足，容易将短期作答波动混入认知状态估计；情感信息通常作为附加特征参与预测，缺少面向具体交互的动态调制机制，且部分数据集缺乏情感标签。针对上述问题，提出情感调制与时间感知的神经张量环认知诊断模型（AT-NTRCD），并构建适用于无情感标签场景的迁移变体T-AT-NTRCD。 AT-NTRCD将学生、习题与时间映射至低秩张量环空间，利用Q矩阵约束保持习题表征与知识概念的语义一致性；采用门控循环单元编码历史时间嵌入序列，通过聚合相邻时间片信息，生成时间上下文表征；随后，根据学生知识掌握程度与习题概念难度的差异构建认知挑战表征，结合学生情感倾向与时间上下文推断交互级多维情感状态；模型将情感状态参数化为情感调制核切片，与学生核、习题核和时间核构成闭合张量环交互结构，再通过编码—解码神经网络提取非线性交互特征，最终实现对学生作答表现的精准预测。为提高情感表征的可靠性并扩展模型适用范围，本文针对不同情感标签条件设计训练策略：在具有情感伪标签的数据集上，引入辅助监督约束情感表征学习；在无情感标签的数据集上，构建迁移变体T-AT-NTRCD，复用并固定源域情感生成网络，在目标域学习学生情感倾向映射、认知挑战投影及适配目标张量环秩的情感基矩阵，实现无情感监督条件下的动态情感调制。 在多个真实教育数据集上的实验表明，相较最优基线，AT-NTRCD在ASSIST12上的AUC和ACC分别提高0.44和0.40个百分点，RMSE相对降低0.55%；在ASSIST17上分别提高1.90和1.23个百分点，RMSE相对降低11.87%。在无情感标签的Junyi上，T-AT-NTRCD的AUC和ACC分别提高3.53和2.39个百分点，RMSE相对降低19.69%。消融实验进一步验证了时间上下文编码、情感调制、Q矩阵约束和神经张量环交互的有效性。综上，所提模型通过低秩高阶交互与交互级情感调制改善作答预测，并将情感建模扩展至无显式情感标签场景。

图异常检测在微服务调用链路追踪、通信网络监控等工业场景中具有重要应用价值。真实系统往往包含多种类型的实体和交互关系，呈现显著的异构特性。然而，现有异构图异常检测方法在跨关系信息聚合时，通常采用特征拼接或简单均值池化，隐含假设不同关系类型对异常判定具有同等重要性，但这一假设在真实数据中往往不成立。当异常仅体现在少数关键关系上时，常规关系容易稀释重要的异常信号。此外，现有方法在生成图级表示时多受限于单一池化机制，难以同时兼顾全局性弱异常与局部强突变场景。针对上述问题，本文提出一种基于关系偏差调制注意力的异构图异常检测框架HRA-GNN。该方法将关系定义为类型三元组，并为每种关系维护独立的消息变换参数；引入关系偏差调制的动态注意力机制，通过建立正常关系原型并显式刻画各关系通道相对于正常原型的偏离强度，实现异常敏感的关系加权融合，从而有效抑制常规关系的干扰；设计自适应门控混合读出模块，兼顾局部极值异常与全局分布偏移；引入异构图数据增强与自监督学习机制，为无监督训练提供额外的结构判别信号。该框架无需预定义元路径，能够自适应地捕捉多类型交互中的异常模式。通过偏差调制与门控读出的协同作用，模型在面对局部突变与整体分布漂移并存的复杂异常形态时仍保持稳定判别能力，且在不同数据规模和关系类型下均展现良好的泛化性。实验结果表明，HRA-GNN在TraceLog数据集上取得0.84的AUROC和0.78的AP；在FlowGraph数据集上AUROC和AP均达到1.0；在ADFA-LD数据集上取得0.87的AUROC和0.85的AP，验证了方法的有效性。

针对无人机航拍图像中目标尺度变化大、小目标像素占比低导致的特征退化以及复杂背景干扰严重等问题，提出一种结合多注意力特征增强与递归反馈的无人机小目标检测方法（Multi-attention Enhanced Recursive Feedback Detector, MERF-DETR）。该方法以端到端检测器RT-DETR-L为基准架构。首先，在骨干网络末端设计多尺度三维注意力模块（Multi-Scale Triplet Attention, MSTA），采用部分通道分流策略，仅对关键特征执行不同核尺寸的并行深度可分离卷积，在控制参数冗余的同时建立多尺度局部空间表征，并结合跨维度三重注意力增强空间与通道维度间的特征交互，提升不同尺度目标的特征表达能力。其次，设计颈部递归反馈特征金字塔（Neck Recursive Feedback Feature Pyramid Network, NRF-FPN），通过构建局部递归反馈路径，利用深层语义特征对浅层高分辨率特征进行自顶向下的语义校准，缓解逐级下采样过程中小目标特征退化的问题。最后，针对复杂纹理与阴影等背景噪声对小目标检测的干扰，提出坐标引导空间与频域互补特征增强模块（Coordinate guided Spatial frequency complementary Feature Enhancement, CSFE），通过坐标注意力机制聚焦关键目标的空间方向信息，利用深度卷积补偿局部边缘纹理细节，同时引入基于二维实数快速傅里叶变换的频域滤波建模全局上下文关系，实现空间与频域互补的特征增强。实验结果表明，MERF-DETR在VisDrone2019和UAVDT数据集上的mAP@50分别达到51.3%与47.4%，较Deformable-DETR分别提升了9.1与5.8个百分点。消融实验表明，单独引入MSTA、NRF-FPN和CSFE模块后，mAP@50较基准分别提升1.5、3.6和1.1个百分点；同时CSFE能够有效抑制NRF-FPN引入的计算冗余，三个模块协同作用实现了最佳综合性能，有效提升了无人机航拍场景下的小目标检测精度。

针对长文本多角色有声书生成中角色边界易混淆、跨句情感演进不连续以及旁白与对话衔接节奏不稳定等问题，本文提出一种基于智能体决策规划的多角色情感有声书生成方法。该方法以场景链作为篇章级中间表示，在不修改声学模型结构的前提下，将长篇小说解析、角色建模、情感控制与节奏规划统一到结构化前端决策流程中。首先，剧本标注智能体依据时间变化、空间转移、人物集合变化和事件主题转移识别场景边界，并在场景内部完成旁白/对话识别、说话人标注及角色集合提取，形成包含场景类型、场景文本、角色身份和语体信息的场景链，为后续模块提供统一且可追踪的上下文。随后，根据角色性别、年龄、身份和性格等属性完成角色—音色绑定，并在生成过程中保持同一角色参考音色不变，以降低跨场景角色漂移。其次，构建由情感向量化智能体和情感约束智能体组成的情感规划模块。情感向量化智能体将文本语义映射为快乐、愤怒、悲伤、恐惧、厌恶、低落、惊讶和平静八维情感向量；情感约束智能体进一步结合角色特征、场景基调和历史情感状态进行分层修正，并通过余弦相似度检测跨轮次非逻辑情感突变，在保留剧情触发型合理变化的同时抑制无依据的情绪跳变。再次，设计上下文节奏规划机制，根据场景类型设置语段内部停顿和语体切换停顿，并结合角色轮替、旁白长度及相邻情感向量变化动态调整句段间停顿，从而改善长旁白、角色连续发言及旁白—对话切换位置的节奏衔接。实验选取40个中文小说片段，覆盖8类典型场景，每类包含5个片段，每个片段包含1名旁白和2～3名剧情角色，共3～4个说话人，并采用公开中文语音数据集中的24名说话人音频作为参考音色。为保证比较公平，所有方法均使用相同文本、相同参考音频和统一的角色—音色映射。实验结果表明，当情感突变阈值设为0.65时，本文方法在自然度、情感准确度、角色贴合度和节奏舒适度上的主观评分分别达到4.09、4.21、3.92和3.96，其中情感准确度和节奏舒适度较次优基线分别提高24.2%和29.8%，盲听偏好率达到72.1%。在客观评价中，本文方法的词错误率为7.55%，音色相似度为0.89，角色混淆率为0.13%，跨场景、跨情感条件下的ISTC为0.027，在保持语音可懂度和参考音色特征的同时，提高了角色身份稳定性。对比实验与消融实验进一步表明，场景链结构、多层情感约束和上下文节奏规划分别对情感连续性、角色贴合度和节奏自然性产生互补作用，其中移除角色/场景约束后角色贴合度下降最明显，移除节奏模块后节奏舒适度下降最明显。研究结果说明，面向长文本的结构化场景建模与分阶段智能体规划能够有效协调角色、情感和节奏控制，为篇章级多角色有声书生成提供一种可解释、可扩展且无需改动声学模型的前端控制方法。

图神经网络由于其能高效处理非欧式数据，被广泛应用至多种复杂任务的数据处理之中。然而由于图神经网络在数据建模过程中对图结构高度依赖的特性，导致其在模型训练的过程中对结构变化高度敏感，即使细微的结构操纵即可导致模型的决策结果严重偏移，从而显著降低模型的稳定性与可靠性。现有对抗防御方法主要集中于两个方向，其一是在模型训练之前对受扰动的图数据进行处理与修正，以尽可能恢复图结构的统计特征。其二是在图神经网络的训练过程中对信息聚合机制进行强化与改进，以增强模型表示的鲁棒性。然而，上述方法侧重于结构层面的表层修复或模型聚合过程增强，忽略了对抗攻击干扰图神经网络性能的根本机制，即对抗攻击本质上通过破坏节点表示空间的原有分布，削弱类间可分性并加剧类内混淆度，从而导致模型在跨攻击场景下的防御泛化能力受限。针对此局限性，首次系统性分析了对抗攻击对节点表示破坏的原因，并围绕对抗扰动破坏表示空间判别结构的本质原因出发，提出双视角决策净化方法DV-DBP（Dual-View Decision Boundary Purification）。该方法通过显式建模与修复节点表示空间中的判别结构，实现对对抗扰动影响的系统性抑制与缓解。具体而言，DV-DBP从点间关系与点边关系两个互补视角对扰动进行协同净化。一方面，通过刻画节点自身的表征混乱状态，识别并缓解异常节点所引发的邻域混淆问题。另一方面，通过显式建模节点间潜在的低质量连接关系对异常边施加约束，从而抑制扰动及低质量关联在表示传播过程中的同化效应。在此基础上，进一步构建点间关系图与高置信图，为结构层与表示层构建一致性的协同建模机制，使模型在聚合过程中能够同时感知节点表示质量与结构可靠性。通过双视角的联合优化，模型在净化扰动影响的同时，有效提升类间决策边界的可分性与类内结构的紧密性，从而显著增强其在多种攻击场景下的鲁棒性与泛化能力。在多个真实图数据集上的实验结果表明，DV-DBP在两类代表性的对抗攻击场景下均取得了优越的防御性能。与当前领域内最强防御性能的方法相比，其性能最高分别提升3.88%和2.41%。在泛化性实验中，DV-DBP在更强对抗攻击设置下仍保持稳定优势，性能最高分别提升2.33%和3.38%，验证了DV-DBP在复杂攻击环境中的稳健性。此外，消融实验结果表明，点间关系图的构建为DV-DBP提供了有效的抗扰动修复能力，而高置信图的构建则有助于精细化识别并修正潜在的异常连接关系。两者的协同作用使得所提出的双视角建模策略能够形成针对多种攻击形式的系统性防御机制。进一步地，在包含结构噪声的低质量图数据上实验结果表明，DV-DBP仍能够有效校正节点表示，展现出在大规模扰动与噪声叠加场景下的强鲁棒性与良好泛化能力。综上所述，本文从表示空间层面对图对抗防御问题进行了系统分析，并通过双视角决策净化机制验证了在对抗防御过程中显式建模与优化表示空间结构的必要性与有效性。

检索增强生成通过引入外部知识能够有效缓解大语言模型的知识缺失与幻觉问题，但现有方法在复杂问答场景中仍面临两方面挑战：一是相关证据往往分散于多个文本片段中，现有检索方式难以显式刻画跨文本事件之间的关联，导致证据整合不足；二是现有候选文本排序对事件主线一致性的显式约束仍不充分，容易将表层相关但事件指向偏离的冗余文本或噪声证据排在前列，进而影响最终答案生成的准确性。针对上述问题，本文提出一种基于事件驱动知识图谱的检索增强生成框架（ED-RAG）。该框架以事件作为跨文本事实组织与证据聚合的核心语义单元，将非结构化文本中的事件信息、实体信息及其来源关系进行结构化组织与显式关联，从而提升复杂问答场景下的证据召回、融合与排序能力。ED-RAG首先以原始文本块为输入，利用大语言模型进行事件—实体联合抽取，识别事件名称、时间、地点、参与对象及相关实体等要素，并构建由文本节点、事件节点和实体节点组成的轻量级事件知识图谱。图谱通过“事件—来源文本”和“事件—相关实体”两类关系显式记录事件来源与实体约束，使分散文本中的事实信息能够围绕事件语义进行组织。针对同一事件存在多种自然语言表述的问题，ED-RAG进一步引入事件融合机制：（1）基于事件向量索引检索语义相近的候选事件，并结合相似度阈值和共享实体约束进行初步筛选；（2）利用大语言模型判断事件同一性。对判定为同一事件的节点进行归并；对存在关键属性冲突或判断依据不足的事件，则保留为独立节点，以降低事件误合并的风险。在问答阶段，ED-RAG对问题中的实体进行抽取、规范化和重要性评估，选取核心实体并映射至图谱节点，沿“实体—事件—文本”路径召回候选证据。该过程使召回结果既覆盖问题关键实体，又受到事件语义约束，从而提升证据与问题意图的匹配程度。当图谱路径召回失败时，系统基于事件向量索引检索与问题语义最接近的事件，并回溯其来源文本作为兜底证据。最后，ED-RAG采用融合实体覆盖度、问题—文本语义相关性及问题—事件语义一致性等多源信号的排序机制，对候选证据进行重排序，并将高质量文本片段输入大语言模型生成答案。为评估所提方法的有效性，本文在QA(1-document)、QA(2-document)、QA(3-document)和UHGEval四个数据集上开展实验。实验结果表明，ED-RAG在跨文本问答数据集QA(2-document)和QA(3-document)上的F1QE分别达到63.05和57.08，较最优基线方法分别提升7.34和4.25。实验结果表明，ED-RAG在跨文档证据定位和整合方面更具优势，以事件作为跨文本证据组织的中间语义单元，能够增强分散证据的聚合能力，并强化事件主线约束；融合实体、文本语义和事件一致性信号的排序策略能够有效抑制噪声干扰，为大语言模型提供更可靠的上下文支撑，从而提升复杂问答场景下答案生成的准确性。

针对雨天图像中雨纹分布复杂、背景纹理易混淆以及去雨网络参数冗余等问题，本文构建了一种基于特征映射的对抗去雨轻量化网络。现有深度学习去雨方法在合成雨图像上已取得较好效果，但在强雨、斜向雨纹、局部遮挡以及雨纹与背景边缘交叠区域，仍容易出现雨纹残留、边缘模糊和细节恢复不足等现象。同时，部分去雨模型依赖复杂特征提取结构，参数量和计算开销较大，不利于在车载终端、路侧感知设备和边缘计算平台等资源受限场景中部署。为此，本文从输入特征表达增强和模型轻量化两个方面对对抗生成去雨网络进行改进。在网络结构上，本文以对抗生成框架作为基础模型。生成器用于完成含雨图像到去雨图像的映射，判别器用于区分生成图像和真实无雨图像。训练过程中，网络联合采用重建损失和对抗损失，使生成结果在像素一致性和视觉自然性之间取得平衡。考虑到雨纹通常具有细长、方向明显、局部分布不均和高频特征突出的特点，本文在输入阶段引入傅里叶特征映射，将二维空间坐标扩展为多频率位置编码，并与浅层图像特征拼接，形成增强输入特征。该方式能够为生成器提供更丰富的空间频率信息，提高网络对雨纹位置、边缘结构和局部纹理区域的感知能力，从而减轻雨纹与背景细节混淆带来的恢复误差。在模型轻量化方面，本文设计了基于频域信息的通道剪枝策略。该策略以生成器中间层特征为分析对象，先对各通道特征进行傅里叶变换，再统计其频域能量分布，并根据通道对高频细节和结构信息的响应情况评估重要性。随后，保留对雨纹建模和细节恢复贡献较大的通道，裁剪低贡献冗余通道，以减少模型参数量。该剪枝过程主要在训练完成后的轻量化阶段进行，因此不会额外增加推理阶段的计算负担。实验中，本文采用 Rain14000 数据集进行训练，并在 Rain100H、Rain100L、Rain12 和真实雨天数据集 SPA-Data 上进行测试。定量结果表明，本文方法在 Rain100H、Rain100L 和 Rain12 数据集上的 PSNR/SSIM 分别达到 30.96 dB/0.900、37.62 dB/0.975 和 35.41 dB/0.959。与 Base 模型相比，本文方法在三个数据集上的 PSNR 分别提升 0.76 dB、0.82 dB 和 0.61 dB，说明该方法在不同雨型场景下具有较稳定的恢复能力。消融实验表明，引入傅里叶特征映射后，模型在 Rain100H 和 SPA-Data 上的 PSNR 与 SSIM 均有所提升，说明该模块能够增强网络对雨纹空间分布和高频细节区域的建模能力。仅采用频域通道剪枝时，模型参数量下降，但恢复指标略有降低；当傅里叶特征映射与频域剪枝结合后，模型在 Rain100H 和 SPA-Data 上分别取得 30.96 dB/0.900 和 29.42 dB/0.925 的结果，参数量降低至 0.69M，说明二者在特征增强和模型压缩之间具有互补作用。定性结果显示，本文方法能够减少残余雨纹，并较好保持人物边缘、雨伞区域和复杂背景纹理。综合实验结果可知，本文方法在提升去雨质量的同时能够控制模型规模，为复杂雨天图像恢复提供了一种较轻量的实现思路。

针对“经典-量子”异构融合系统中协同通信研究碎片化、模块耦合机理不明、缺乏统一分析框架的问题，本文从体系结构视角综述异构协同通信的技术现状、关键瓶颈与趋势。首先，以反馈闭环的时序耦合深度为本征维度，将协同模式归纳为开环前馈、变分迭代与实时闭环三类，按超导、光量子、离子阱、中性原子四类物理体系对照分析协同架构差异。其次，构建“经典-量子”双向数据流交互模型，将承载时序同步与门触发脉冲的控制流与承载测量结果的反馈流严格解耦，以量子纠错微秒级实时闭环为标尺量化交互约束。然后，按通信距离与部署形态将技术体系归纳为近端高频测控、分布式协同与量子云通信三类，比较FPGA室温测控、低温CMOS与单磁通量子三类近端测控架构的性能边界，揭示分布式协同由离线优化向动态协同演进，梳理“近量子计算”运行时优化与异构硬件抽象两条云通信路线。最后，从物理层时序、系统层带宽、算力层耦合与生态层标准四维度剖析瓶颈，以性能约束模型阐明带宽与解码算力耦合，给出优化路径与梯次。研究表明，量子门操作与经典通信存在3至6个数量级的时间尺度差，解码延迟约为纠错周期的57倍；万比特超导系统面临穿温区线缆超3万根、热负载超出4 K温区冷却能力一个数量级等互连难题；频分复用读取N个比特时，信噪比按√N比例退化；随着码距增大，带宽与解码算力出现耦合失衡，百万比特系统综合征上行带宽将达Tbps级。同时，私有协议加剧标准碎片化，测控成本呈超线性增长。研究认为，协同通信的本质在于反馈闭环的时序耦合深度，相关瓶颈需通过时序优化、跨层调度、技术协同和协议统一共同突破。为此，提出近期频分复用、中期片上路由、远期光互连的分阶段策略，端到端跨层优化将成为迈向百万比特级容错计算的关键。

网络谣言的传播形式已从单一文本演化为包含图像、视频等多模态信息的复合形态。多模态内容凭借更强的视觉冲击力和情感煽动性，显著提升了虚假信息的传播速度与覆盖范围，给网络空间治理带来了严峻挑战。本文提出一种基于特征增强与双路决策融合的检测模型。模型整体架构主要由轻量化视觉特征增强、双路协同判别以及自适应决策融合组成。首先，设计轻量化平行多尺度特征增强模块（Lightweight Parallel Multi-scale Feature Enhancer, LPMFE），通过全局自注意力、空间深度可分离卷积与时序一维卷积三条分支分别捕获不同维度特征，并利用可学习权重动态融合，配合门控残差机制与前馈网络，在保留主干特征完整性的同时实现图像局部特征的精细化增强。然后，构建双路协同判别机制：生成式分支首先通过基于交叉注意力的图像投影器，将视觉特征序列对齐至大语言模型的词嵌入空间，而后将投影后的视觉Token插入文本序列，输入大语言模型进行自回归推理，提取最后一个Token的隐藏状态经线性分类头映射为词表逻辑值，最终通过Softmax函数转化为生成式先验概率，以利用模型参数化知识进行宏观逻辑推断。判别式分支为显式校验图文语义一致性，共享同一大语言模型深层的隐藏状态，并通过掩码聚合得到全局文本向量；同时将增强后的视觉特征进行池化，二者经投影网络映射至256维共享语义空间；在此空间中引入监督对比损失以优化模态特征的可区分性，进而计算投影特征的绝对差异与元素级乘积以捕捉细粒度语义冲突，将原始投影特征与两类交互特征在通道维度拼接后输入多层感知机，输出图文一致性判别分数。最后，在决策融合层面，引入可学习的权重参数对双路输出概率进行自适应融合，并设置双阈值构成三区间判定逻辑，将样本划分为高置信度谣言、高置信度非谣言及模糊待定三类；同时在优化目标中引入边界惩罚项以防止阈值坍塌，确保融合策略的稳定收敛。在Weibo、Fakeddit和FineFake数据集上进行实验。Weibo数据集上，准确率达93.23%，非谣言精准率/召回率为95.72%/90.50%，谣言为90.99%/95.95%。Fakeddit上准确率91.56%，非谣言与谣言F1值分别为92.98%和89.42%，差值3.56个百分点。FineFake上准确率81.21%，非谣言/谣言F1为83.42%/78.31%。消融实验表明：移除LPMFE后FineFake准确率降至79.20%，谣言召回率下降5.32个百分点；将交叉注意力投影器替换为线性映射后Fakeddit谣言F1下降6.01个百分点；移除判别分支后Weibo准确率降至86.59%，谣言召回率下降16.27个百分点。本研究表明，通过在视觉端引入特征增强机制来抑制信息冗余与复杂场景干扰，并结合大语言模型的参数化常识推理与异构模态间显性一致性校验构建生成式与判别式双路协同判别机制，能够克服传统单范式检测模型的局限性，有效纠正大语言模型的幻觉与单模态语义偏置，显著提升多模态谣言检测的综合精度。

针对现有基于图神经网络（GNN）的多标准推荐算法在数据稀疏环境下存在的长尾效应、图注意力网络（GAT）与图卷积网络（GCN）模块间难以协同融合，以及多标准评分场景中对比学习锚点选取困难导致正负样本区分模糊等关键问题，提出一种融合噪声图神经网络与对比学习的多标准推荐算法（NGCLR）。研究目的在于通过引入动态噪声增强、渐进融合机制和基于邻居相似性的锚点选择策略，系统性缓解节点嵌入退化、提升跨标准表征一致性并优化对比学习效果，从而显著提高多标准推荐系统在稀疏交互场景下的评分预测精度与泛化能力。 在技术实现层面，模型首先为每个评价标准分别构建用户-项目多边二分图，并采用逐层训练的二分图神经网络矩阵对邻接关系进行归一化，以保留各标准独立的评分分布特征。针对长尾项目因邻域稀疏导致嵌入向头部项目收敛的退化现象，设计基于高斯噪声增强的LightGCN模块：在每一层图卷积传播过程中，向当前层节点嵌入施加初始强度为0.2、随训练轮次以0.5衰减率指数衰减的动态高斯噪声，扰动不改变图拓扑结构，仅作用于特征空间，以此打破特征趋同，促使长尾项目嵌入分布更加均匀。为融合图注意力与图卷积在局部细粒度交互捕捉和全局结构模式感知上的互补优势，提出渐进融合机制，在每一传播层将GAT的多头注意力输出与LightGCN的邻域聚合输出进行拼接，并通过可学习参数自适应控制各层贡献，实现从低层局部细节到高层全局语义的分层融合。针对多标准数据中评价标准与样本间存在不一致性导致对比学习锚点难以可靠选取的难题，设计基于平均邻居余弦相似度的锚点选择策略：在每个标准视图内，计算各节点与其所有邻居节点嵌入的平均相似度，选取相似度最高的节点作为该视图的锚点，以此作为稳定的对比基准。在此基础上，构建双对比学习任务——局部对比损失最大化同一节点在不同标准下正样本嵌入间的一致性并推开负样本，全局对比损失增强各标准全局嵌入（节点均值）间的跨标准对齐，两者协同优化，总损失函数结合局部损失、全局损失和L2正则项，平衡节点级判别力与分布级一致性。 为验证模型有效性，在Yahoo!Movies、BeerAdvocate和TripAdvisor三个公开真实数据集上进行实验。Yahoo!Movies包含6078名用户、976部电影及758405条四标准评分；BeerAdvocate含8831名用户、2698种啤酒及3880359条四标准评分；TripAdvisor含15000名用户、1325家酒店及20830条七标准评分，稀疏度较高。以平均绝对误差和均方根误差为评价指标，将NGCLR与BMF、MSVD、MLR、SVR、CIC、DMCF、CFM、DNN-MF、MCAE-FADNN及最优基线D-MGAC等十余种方法对比。实验结果显示，NGCLR在Yahoo!Movies上MAE和RMSE分别达到0.6028和0.8211，相比D-MGAC相对降低2.94%和3.79%；在BeerAdvocate上分别为0.3931和0.5380，相对降低4.93%和2.73%；在TripAdvisor上分别为0.7338和0.9724，相对降低2.04%和1.96%。消融实验表明，去除噪声增强模块、渐进融合机制或对比学习模块后，MAE和RMSE均出现不同程度上升，其中采用随机锚点策略的变体在三个数据集上MAE分别比完整模型高2.86%、2.21%和0.69%，验证了各核心组件的独立贡献与协同增益。超参数分析显示嵌入维度256、注意力头数8、局部与全局对比损失权重均为0.5时性能最优；动态衰减噪声策略优于固定噪声和标准自适应噪声策略；基于邻居相似度的锚点选择优于全局平均相似度和PageRank策略。头尾分组实验表明，模型在尾部项目组上的MAE提升幅度显著大于头部组，噪声增强可视化进一步证实长尾项目嵌入分布从聚集趋于分散。综上，NGCLR有效解决了多标准推荐中的长尾退化、图模块融合不足和对比学习锚点偏差三大难题，在多个真实数据集上取得稳定优异的预测精度，为多标准推荐系统提供了一种高效且鲁棒的解决方案。

海量小文件高并发访问场景下，元数据操作的频繁上下文切换构成用户态文件系统的主要性能瓶颈，现有缓存与预取机制难以在内存开销、随机访问适应性与性能之间取得有效平衡。针对用户态文件系统框架FUSE（Filesystem in Userspace）在多层级路径解析过程中的逐级查找开销问题，提出一种基于路径感知的批量元数据预取方案Lookupplus。 Lookupplus的核心设计思路是改变内核与用户态守护进程之间的请求交互粒度。在原生FUSE中，路径解析采用逐组件串行处理模式：每当某个组件的目录项缓存失效，FUSE内核模块即发起一次独立查找请求，每个失效组件均伴随两次上下文切换。随着目录层级加深，多次往返的累积开销显著放大元数据访问延迟。Lookupplus观察到，当某一中间组件缓存失效时，该路径上的剩余后续组件在极短时间内也面临重新验证需求。基于此，Lookupplus在首次失效组件触发查找请求时，从当前进程控制块中捕获完整剩余路径，附加在当前查找请求中，传递至用户态守护进程；守护进程解析剩余路径中的每个组件，返回其元数据条目，令内核批量更新各子目录项的属性和有效期，允许后续组件从快速路径验证。用户态文件系统无需感知批量预取逻辑或维护额外缓存一致性状态，新增内存开销仅来自临时路径拷贝和批量响应条目，随请求处理完毕即释放。 Lookupplus原型系统在Linux 5.2.2内核上实现，与现有先进方案ExtFUSE，RFUSE进行对比评估。单线程元数据性能测试表明，在目录深度为10时，Lookupplus的创建操作平均延迟降至原生FUSE的32%；在深度从1递增至10的连续运行过程中，查找请求总数由FUSE的65次降至20次。32线程微基准测试覆盖目录宽度从10到1,200的多种配置，预创建80%文件集。结果显示，Lookupplus对并发场景下的单一文件集访问性能提升低于5%。同时，ExtFUSE较原生FUSE低约20%；RFUSE则因队列压力在窄目录下吞吐量显著低于其他方案，随着目录宽度增加，逐步恢复至高吞吐水准。在典型真实应用宏基准测试中：文件服务器负载下Lookupplus吞吐量较原生FUSE提升7.4%；网络服务器负载下Lookupplus表现最优，较原生FUSE提升9.7%，较ExtFUSE提升12.9%；邮件服务器负载因目录结构扁平且同步开销显著，Lookupplus仅小幅领先。内存开销评估表明，Lookupplus在各负载下的Slab增量与原生FUSE基本一致，且绝大部分为内核可回收内存。 综上所述，Lookupplus通过路径级批量元数据预取原语，以最小架构扰动有效降低了FUSE在深层目录场景下的上下文切换开销。该方案不依赖复杂的缓存一致性协议和预测模型，不新增内核数据结构，额外内存开销可控且可回收，在深层目录、冷启动及低复用率场景下收益最为显著，为元数据密集型场景下构建高性能用户态文件系统提供了一条轻量可行的优化路径。

道路凹坑的实时高精度感知与三维重建是保障自动驾驶行车安全与主动悬架控制的核心技术。现有的道路凹坑感知方法主要依赖单一视觉模态或静态跨模态融合策略。单一视觉方法易受剧烈光照变化、弱纹理路面及阴影遮挡的干扰，难以稳定获取鲁棒的深度信息；而基于激光雷达点云的方法受限于传感器线束分布，在远距离或高速行驶场景下点云极度稀疏，导致凹坑边缘的微观几何特征表达不充分。现有的跨模态融合方案多采用全局静态拼接，未充分考虑异构数据间的空间非线性配准误差，在传感器时空错位时易导致特征污染或几何有效信息的淹没，使得凹坑边界的三维重建精度受限。针对上述问题，本文提出一种基于激光雷达与深度相机跨模态融合的质心引导道路凹坑感知与三维重建方法（DeepRoad）。 本文方法构建了一个端到端的深度神经网络，主要包含三个核心技术阶段。第一阶段，多源异构特征粗对齐与多尺度提取。系统并行输入深度相机采集的二维图像与激光雷达生成的空间点云，利用最近邻自适应粗匹配模块，在时空尺度上建立像素坐标系与点云投影矩阵的初步关联，并通过多尺度特征提取网络捕获两者的底层表征。第二阶段，质心引导的非线性特征精细融合。针对空间配准误差导致的特征漂移，本文创新性地引入了质心引导机制。通过轻量化预测网络定位候选凹坑区域的几何质心，并以该质心作为空间锚点构建三维非对称注意力网络，动态调整跨模态特征的交互权重，实现图像高频纹理与稀疏点云微观几何信息在局部高价值区域的自适应聚集与深度融合。第三阶段，鸟瞰图（BEV）空间映射与边缘语义一致性约束。为了解决下采样操作带来的凹坑边界模糊与拓扑失真问题，DeepRoad将融合后的跨模态高维特征统一投影至鸟瞰图空间以保持全局拓扑结构，并设计了一种新颖的边缘语义一致性正则化损失函数。该损失函数通过显示强化凹坑物理边界与其周围正常路面之间的空间连续性与语义对立性，有效抑制了重建伪影，大幅提升了凹坑边缘的拟合精度。 为了验证DeepRoad方法的有效性与鲁棒性，本文在合成数据集SYN-UDTIRI与真实道路数据集RSRD上进行了充分的对比实验与消融实验。在SYN-UDTIRI数据集上的道路凹坑分割对比实验中，DeepRoad在关键指标上均取得了最优性能，其最大F1分数（MaxF）达到97.58%，平均精度（AP）达到94.04%，准确率（Pre）为97.53%，召回率（Rec）达到97.86%，全面超越了RoadFormer、SNE-RoadSeg+等主流跨模态融合方法，尤其在边界和细节的刻画上展现出显著的召回率优势。结构模块消融实验表明，在基础跨模态融合网络（Baseline）中逐步引入质心引导等模块，验证了各模块的有效性与互补性。此外，在真实道路数据集RSRD的泛化与鲁棒性测试中，DeepRoad在传感器噪声与点云稀疏干扰下依旧保持稳定的几何估计能力，实现了0.479 cm的绝对误差和0.568 cm的均方根误差（RMSE），大误差（>0.5 cm）比例仅为35.1%，相较于先进的RoadBEV 模型各项指标均表现更优，极端偏差情况显著减少，未出现误差放大现象。 综上所述，本文所提出的DeepRoad方法通过质心引导机制，成功攻克了复杂场景下道路凹坑三维感知边界模糊、异构特征难对齐的技术瓶颈，形成了一套系统化的端到端感知与重建解决方案，为自动驾驶智能避障规划提供了高精度的数据支撑，具有重要的理论创新与工程应用价值。未来的研究工作将聚焦于网络模型的轻量化剪枝与边缘端实时部署，并探索将DeepRoad与多模态视觉-语言大模型（VLM）深度融合，以期推动无人驾驶技术在全天候、全场景下的智能决策与可靠进化。

针对水下图像因水体选择性吸收与悬浮颗粒散射而呈现颜色偏移、对比度衰减及高频细节丢失等问题，同时现有通用语义分割模型对高价值稀有目标的边界识别能力不足、分割精度欠佳，本研究致力于从特征表示与损失监督两个层面提升模型对水下图像中模糊目标的精细分割能力，特别是强化对稀有类别边缘轮廓的重建与判别。在技术实现上，以在水下场景中表现优异的UWSegFormer模型作为基准架构，在保留其水下图像质量注意力模块与多尺度聚合注意力模块的基础上，从频域增强和边缘监督两个维度提出针对性改进。一方面，设计了一种融合频域增强的多尺度聚合注意力模块（FS-MAA）。该模块在解码器多尺度特征融合阶段引入二维快速实数傅里叶变换（2D-RFFT），将空间域特征显式映射至频域，利用频域解耦特性分离代表全局语义的低频分量与表征纹理细节的高频分量，并对高频分量施加固定经验增益系数以补偿水体散射造成的高频损失，再通过二维逆离散傅里叶变换将增强后的频域特征恢复至空间域，最终与原始空间域特征进行残差聚合，从而在保留全局上下文语义的同时注入高频细节信息。另一方面，构建了一种基于在线模糊边缘挖掘的边缘学习损失（OHEM-ELL）。该损失在训练过程中利用Scharr算子分别计算预测掩码与真实标签的边缘响应图，获取每个边界像素的预测误差，随后按误差值降序排列并筛选出损失最大的前K%边界像素定义为困难样本，仅对这部分像素执行梯度回传与参数更新。该机制以极小的额外计算代价将网络的学习注意力动态聚焦于最难辨识的模糊边缘区域，有效缓解了背景水体等易分像素对损失的主导。整体损失函数由标准语义分割损失与所提出的OHEM-ELL线性加权构成，实现像素级分类与边缘优化的联合监督。实验在SUIM水下语义分割基准数据集和DUT-USEG真实水下图像数据集上开展，采用MiT-B0作为编码器并加载ImageNet-1K预训练权重。在SUIM数据集的6个主要类别上，得到平均交并比（mIoU）达到86.92%，较基线UWSegFormer的85.06%提升了1.86个百分点。消融实验表明，两者联合使用取得最佳效果，验证了两个模块在提升分割精度上的协同促进作用。在DUT-USEG数据集上，本文方法将mIoU从基线的68.12%提升至68.75%，验证了方法在跨数据集场景下的良好泛化性。模型参数量为16.81M，计算复杂度为6.48 GFLOPs，与基线几乎持平，表明所提改进未引入明显的额外计算负担。可视化结果进一步显示，FS-MAA模块有效恢复了水下浑浊环境中丢失的纹理细节，OHEM-ELL损失使目标边界预测更加连贯清晰，两者结合后的模型在视觉质量上取得了最优表现。综合以上结果，本研究得出如下结论：通过频域特征解耦与选择性高频增强，能够有效补偿水下成像过程中因散射导致的细节衰减，使网络在特征层面获得更完整的结构信息；通过在线困难边缘挖掘策略，能够引导网络将有限的参数量与梯度更新集中于最具判别挑战性的边界区域，显著改善稀有目标的轮廓刻画能力。

针对列车控制业务在高负载混合流量场景下端到端时延难以界定、优先级反转和线头阻塞削弱传输确定性，以及双归属冗余拓扑下联合调度模型规模大、求解效率低等问题，提出一种面向列车控制业务的时间敏感网络（Time-Sensitive Networking, TSN）确定性传输架构与调度方法。架构方面，依据列车骨干网与编组网的分层结构，构建八节编组列车双归属环形网络，采用A/B双平面隔离和全链路跨层映射，实现不同优先级业务的分类传输及冗余路径切换。调度方面，基于时间感知整形机制建立空间路由与时域门控相结合的两阶段优化模型：第一阶段确定双平面传输路径，第二阶段生成周期内无冲突的发送相位。针对全量模型中析取约束随流数量快速增长的问题，依次采用二元路由降维、前向列表启发式和二分搜索加速策略，将路由决策离散为平面选择，固定竞争端口中的帧发送顺序，并对端到端时延上界进行有界搜索。在可行性单调条件下，二分搜索能够有限步终止。针对关键流需求超过网络容量的情况，设计两阶段过载准入机制，先执行基于优先级的带宽可行性预检，再对通过预检的流集进行降维求解；若不可满足，则逐次剔除最低优先级流并重新求解，直至获得可行方案或输出拒绝结果。基于八节编组双归属环形拓扑开展仿真实验，背景负载率覆盖20%-95%，并设置10条和20条最高优先级流场景，与严格优先级（Strict Priority, SP）、纯路由优化及在线可扩展调度与路由（Online Scalable Scheduling and Routing, OSSR）算法进行对比。结果表明，所提方法可将关键控制流的最大端到端时延控制在0.6ms以内；在所测静态流集下，相较于SP、纯路由优化和OSSR，最大端到端时延分别降低33.6%-51.9%、38.6%-48.2%和37.5%-43.6%。在20条最高优先级流场景下，三阶段降维将析取约束数量由738降至0，峰值内存约为全量求解的4%，累计求解时间约为0.5s，加速比约为1.56；二分搜索经过6次可行性判定完成收敛。过载场景下，该方法能够依据容量约束和业务优先级完成关键流准入并拒绝超容量请求，为列车安全关键业务提供确定性传输保障。

针对现有的医学图像分割方法中由于不同器官的尺度剧烈变化导致的目标特征难以捕获，深浅层特征之间的语义差距引发的噪声干扰，上采样过程中由于固定网格导致边界几何信息丢失以及相邻器官组织黏连引发的边界划分模糊的问题，本文提出一种跨尺度几何校准的医学图像分割网络（Cross-Scale Geometric Calibration Network，CSGC-Net）。首先，网络采用PVTv2作为骨干编码器，利用自注意力机制有效提取图像的上下文信息，建立解剖结构的全局依赖。在此基础上，设计多尺度协同注意力模块（Multi-Scale Collaborative Attention Block，MCAB）。MCAB通过整合多尺度特征调节模块（Multi-Scale Feature Regulation Module，MSRM）、可共享多语义空间注意力（Shareable Multi-Semantic Spatial Attention，SMSSA）、渐进式通道注意力（Progressive Channel-wise Self-Attention，PCWSA），构建了多感受野，灵活感知因患者差异带来的器官尺寸波动；同时引入通道-空间双重注意力机制，在通道维度筛选关键语义并在空间维度聚焦显著性区域，有效抑制背景噪声，实现多粒度特征的协同增强并提高模型对复杂器官结构的敏感性。其次，设计双路自适应融合模块（Dual-path Adaptive Fusion Module，DAFM），不同于传统的高低维特征的简单拼接操作，DAFM利用可学习的权重评估不同维度特征的重要性，动态调节编码器的高分辨率空间细节与解码器的低分辨率语义的组合比例，缓解深浅层特征间的语义差距。然后，引入动态上采样模块（Dynamic Upsample Block，DUB），区别于线性插值上采样缺乏几何适应性的拉伸机制，DUB通过分组学习独立的空间偏移场，以固定初始几何网格为基准对上采样坐标进行自适应的几何校准。这一机制使得模型能根据真实的解剖拓扑进行动态形变，改善了模型上采样时由于等比例放大带来的锯齿效应，实现对不规则边界的亚像素级重构。最后，在监督训练阶段引入前景正交互斥损失（Foreground Orthogonal Loss），通过惩罚不同前景类别预测概率的空间重叠，实现了对相邻器官黏连边界的有效剥离，进一步提高整体分割精度。所提方法在三个公开数据集上与ECA-GC-Unet、DCAU-Net和MCT-Net等先进网络进行了对比实验。其中，标准版CSGC-Net-B的参数量为28.44M，远低于主实验次优模型的91.30M参数量。在精度表现上，CSGC-Net-B在腹部多器官数据集Synapse中，较次优模型的DSC提升0.33%，HD95下降1.14，并在胆囊、胰腺和胃三类器官上取得了最优分割精度；在心脏MRI数据集ACDC中，其DSC指标提升0.3%，并在心肌区域取得最优值；在肠道息肉内窥镜数据集CVC-ColonDB中，DSC较次优模型提升1.21%，mIoU提升0.98%，HD95显著下降3.04。此外，轻量版CSGC-Net-S的参数量缩减至4.33M，但仍在Synapse，ACDC和CVC-ColonDB数据集上分别取得了82.18%，91.74%和91.93%的DSC。总体实验结果表明，与现有主流网络相比，CSGC-Net在保持轻量化的同时提升了分割精度，展现出优异的泛化性能。

针对高渗透率分布式能源接入下微电网负荷序列的强非线性、非平稳特性，以及现有预测模型因全局建模平滑效应导致的局部突变区精度流失、极值点预测失真等核心问题，提出一种基于误差感知机制的多尺度特征短期负荷预测模型（MAG-TL）。现有单一深度学习模型难以兼顾长程周期规律与局部瞬态波动的多尺度特征提取；组合预测模型普遍存在分解参数依赖人工经验、特征融合方式粗糙且缺乏高波动区域误差修正机制，其中长程建模能力突出的Transformer类模型在负荷剧烈跳变时因加权聚合特性产生平滑效应，尖峰与低谷预测偏差显著，难以满足微电网精细化调度需求。该模型构建了多尺度特征解构、全局依赖建模、靶向误差修正、全局残差补全的四级协同预测架构。首先采用改进鲸鱼优化算法（IWOA），以包络熵最小化为目标，通过自适应惯性权重机制平衡全局寻优与局部收敛能力，自适应确定变分模态分解的最优参数，将原始非平稳负荷序列精准解耦为多个具有明确物理尺度的固有模态分量，结合筛选后的气象关联特征构建多尺度输入特征集；其次通过并行一维卷积神经网络提取各模态深层特征，利用自适应注意力模块动态分配各模态特征权重并进行多尺度自适应融合，在强化关键误差特征的同时保留全局基准信息；随后将融合特征输入Transformer编码器捕捉全局长时序依赖，内置轻量化误差感知投影层，基于隐层特征的空间偏移程度量化各时间步的预测误差风险，采用Top-K相对排序机制动态筛选高误差锚点，无需真实标签介入即可自主定位负荷突变区域；最后构建误差感知增强型长短期记忆网络解码器，通过残差融合机制整合锚点特征、局部误差评分与全局误差背景特征，针对锚点区域生成乘性增益完成幅值靶向修正，设置动态修正阈值避免平稳时段过度补偿，同时引入轻量化全连接残差网络生成全局加性补偿量，形成乘性修正突变幅值、加性补全系统偏差的分级修正机制。基于贵阳地区含高渗透率新能源的微电网18个月实测运行数据开展验证，训练集、验证集、测试集按7:2:1划分，与3种单一模型、4种组合模型进行多维度性能对比。结果表明，在贵阳数据集实验中所提模型均方根误差为10.71MW，平均绝对误差为4.78MW，平均绝对百分比误差为0.77%，决定系数达0.992；与性能最优的对比组合模型相比，均方根误差降低12.23MW，与单一预测模型相比最大降低34.81MW。消融实验验证了各核心模块的独立增益，误差感知机制使均方根误差降低5.71MW；误差感知分数与实际预测残差的皮尔逊相关系数达0.8071，风险量化机制具备高精准度。模型单样本推理延迟为2.34ms，可充分满足微电网在线闭环调度的实时性要求。该模型有效缓解了全局建模固有的平滑效应瓶颈，以可控计算开销实现预测精度有效提升，能够精准捕捉负荷剧烈波动误差的瞬态变化特征，可为高渗透率新能源场景下的微电网精准调度提供可靠的数据支撑与技术参考。

针对区域间起讫点（Origin-Destination，OD）交通流预测中起点与终点角色差异刻画不足、区域对交互关系利用不充分及预测矩阵结构约束较弱的问题，提出一种基于起讫点角色二部图的交通流预测方法BiHOD-Net。由于同一区域作为起点时反映交通产生状态、作为终点时反映交通吸引状态，采用统一节点表示容易混合两类不同交通语义，同时仅依据单条OD边预测误差进行优化可能导致局部误差在矩阵行、列方向累积。为此，该方法首先从历史OD矩阵中分别提取区域作为起点和终点时面向不同目的地和来源地的流出、流入分布，构建起点角色序列和终点角色序列，并采用基于分块的时间序列Transformer（Patch Time Series Transformer，PatchTST）对两类角色序列进行独立时序编码，提取局部时间片段内的变化特征及片段之间的时间依赖，再结合区域静态属性生成具有不同交通语义的起点角色表示和终点角色表示。随后，将两类角色节点分别置于二部图两侧，根据历史OD联系构建起讫点角色二部图，其中起点到终点传播按照历史流出关系进行归一化，终点到起点传播按照历史流入关系进行归一化，通过双向消息传播建模交通产生侧与交通吸引侧之间具有方向性和非对称性的交互关系。在边级预测阶段，联合传播后的起点角色表示和终点角色表示，并融合角色绝对差异项、逐元素乘积项以及由最近流量、平均流量、最大流量、标准差、活跃比例等构成的边历史特征，形成显式区域对表示，以分别刻画起讫点状态差异、匹配关系和具体OD边自身的历史流动特征。在此基础上，采用门控线性单元（Gated Linear Unit，GLU）对不同信息进行自适应筛选并输出未来边级交通流。同时，在边级交通流预测损失基础上引入OD矩阵边际一致性约束，以真实矩阵的行边际和列边际作为监督信号，减小局部边级预测误差累积造成的区域总流出量和总流入量偏差，从而兼顾具体区域对预测精度与OD矩阵整体结构。本文在北京、成都、南京和NYC-Taxi 4个出租车OD交通流数据集上开展实验，并设置20、40和60 min预测间隔，与历史平均、支持向量回归、深度时序模型、时空图神经网络以及多种OD需求和OD矩阵预测方法进行统一比较。采用平均绝对误差（Mean Absolute Error，MAE）、均方根误差（Root Mean Square Error，RMSE）和平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）评价预测性能。结果表明，在4个数据集和3种预测间隔形成的36组评价结果中，BiHOD-Net取得28项最优和6项次优，94.4%的结果位于前两名，其中在北京和NYC-Taxi数据集的9项评价结果上均取得最优值。在60 min预测任务中，BiHOD-Net在北京数据集上的MAE、RMSE和MAPE分别为1.0389、1.5087和47.6338%，在NYC-Taxi数据集上分别为0.8499、0.8822和42.4931%。消融实验表明，在北京数据集60 min预测任务中，去除边历史特征、起讫点角色区分、O-D二部图传播和矩阵边际一致性约束后，MAE分别由完整模型的1.0389增至1.3728、1.1084、1.1048和1.0990；成都、南京和NYC-Taxi数据集上的关键消融结果进一步表明上述核心设计在不同区域划分方式和OD网络结构下均能带来稳定增益。采用42、123和2024三个随机种子进行的重复实验中，各数据集预测结果整体保持稳定。实验结果说明，BiHOD-Net能够通过起讫点角色分离、双向二部图传播、显式区域对交互及矩阵边际一致性约束有效刻画区域间方向性OD交通需求，在动态稀疏OD交通流预测任务中具有较好的综合预测性能、稳定性和跨数据集适应性。

随着分布式深度神经网络训练集群中训练任务数量的增加，通信代价逐渐成为影响训练任务完成时间的重要因素，多任务之间的网络共享问题日益突出。现有研究主要围绕分布式训练通信优化和网络资源调度展开，通过任务粒度调度或单任务通信优化方法降低通信开销。然而，任务粒度调度的方法无法区分任务内不同流的优先级，单任务通信优化方法未充分考虑多任务并发训练场景下通信流之间的竞争关系，这些方法都无法有效解决训练参数同步通信过程中关键通信流延迟引发的掉队者效应，难以实现网络资源的高效协调利用。 针对上述问题，提出了一种基于流粒度优先级与路径选择协同优化的多任务通信流调度方法。首先，对环规约架构下多任务通信流共享网络资源的问题进行数学建模，以所有任务的流优先级配置方案和路径选择方案作为模型的输入，在“交换机同优先级队列内带宽均分”的假设下估计各通信流的吞吐率，并进一步计算各训练任务的通信完成时间，以最小化所有训练任务的整体通信时间为优化目标。由于直接联合求解所有任务的优先级与路径配置具有指数级时间复杂度，难以满足大规模训练场景下的实时调度需求，因此设计了一种结合局部最优求解与运行时反馈机制的近似求解算法，通过二分搜索与回溯搜索相结合的方式降低求解复杂度，同时兼顾求解效率与调度质量。运行过程中，反馈机制能够根据掉队通信流的监测结果动态调整流优先级，从而进一步缓解通信阶段的掉队者效应。 为验证所提方法的有效性，构建了基于容器技术和虚拟交换机的分布式训练仿真平台，对训练节点和网络交换机进行模拟，并设计实现了包含中心调度器、节点代理和任务运行时监测模块的多任务流调度系统。中心调度器负责计算通信流优先级及路径配置，并通过远程过程调用和 OpenFlow 协议分别完成节点流量控制策略和交换机转发规则的动态更新；任务运行时监测模块持续检测通信过程中掉队通信流的产生情况，并将监测结果反馈至调度器，为调度策略的动态优化提供依据。 仿真实验以 Crux 和 Gsched 的优先级配置策略作为对照方法，以训练通信阶段时长和集群计算资源利用率作为评价指标。实验结果表明，相较于Crux，所提方法可使训练通信阶段时长降低18.4%，集群计算资源利用率提高10.4%；相较于 Gsched，训练通信阶段时长降低13.5%，集群计算资源利用率提高6.3%。此外，通过消融实验、算法近似比分析实验以及最佳掉队阈值分析实验，进一步验证了流优先级配置、路径选择和反馈机制对算法性能提升的有效性，并确定ρ=20%时能够取得较优的综合调度效果。

体素内不相干运动（Intravoxel Incoherent Motion，IVIM）是一种无需造影剂即可无创评估组织水分子扩散系数（D）与血液灌注信息（F，D*）等 IVIM 参数的扩散加权磁共振成像（Diffusion-Weighted Magnetic Resonance Imaging，DWI）分析技术，该扩散和灌注信息对肝癌、脑肿瘤等疾病的诊断和治疗具有重要意义。现有研究多致力于从 DWI 信号中捕获组织空间相似特征辅助IVIM参数估计，从而提高对噪声的鲁棒性，但往往忽略了 DWI 信号本身存在的局限性，当信号受噪声污染严重时，信号中蕴含的生理特征被破坏，特征之间的相似性关联难以精准捕获。本文受深度图像先验（Deep Image Prior，DIP）原理启发，发现训练中的 DWI 信号存在信号质量差异现象（Differences in Signal Quality，DSQ），并且基于该现象提出了一种在训练过程中提高训练集质量的策略。具体而言， DSQ 现象表明在模型深入训练后，部分拟合信号的整体质量逐渐优于原始训练信号，因此本文利用拟合信号作指引对原始训练信号进行优化，同时为了增强数据优化的效果，通过迭代策略调控数据优化过程，逐步提升原始训练信号的质量，降低噪声对拟合过程的干扰。此外，特征间的相似性在局部邻域与全局空间中同样广泛存在，而现有基于卷积的方法受感受野大小限制难以有效捕获全局信息；基于自注意力的方法虽能感知全局体素之间的相关性，但往往会牺牲局部高频细节。考虑到属于相同组织的特征蕴含的生理信息接近，通常表现出更高的相似性，本文提出了一种基于组织先验引导的相似特征提取方式，该特征提取方式能够提升拟合信号质量从而提升迭代优化策略的效果，进一步提升 IVIM 参数估计的准确性。基于上述改进，提出了一种数据迭代神经网络（Data Iterative Neural Network，DI-NN）。为了验证方法的性能，将本文方法与传统方法，基于体素的深度学习方法以及基于空间相关性的深度学习方法对比，采用均方根误差（RMSE）、结构相似性指数（SSIM）、Mann-Whitney U检验等指标。 RMSE 结果显示，在信噪比（SNR）8~50的实验中，本文方法参数 RMSE 更低，参数预测更准确。例如在 SNR15 的实验中， IVIM 参数F、D和D*的 RMSE 分别比次优方法降低了37.51%、18.36%和30.92%。 SSIM 结果表明，所提方法保留结构特征的能力更强。 Mann-Whitney U 检验结果进一步说明所提方法拥有更强的区分病灶的能力。

无监督异常检测需要在缺乏标签信息的条件下识别偏离主体分布或局部结构模式的样本，其难点在于异常样本通常数量少、形态不稳定，且易与正常样本在特征空间中发生重叠。现有方法虽然可以从距离、密度、聚类结构或模糊相似关系等角度构造异常评分，但在复杂数据中仍存在一定局限：不同属性对异常识别的贡献往往并不一致，统一赋权容易使冗余属性或低信息属性削弱有效属性的作用；直接基于实例级相似关系进行计算时，异常评分容易受孤立噪声和局部波动的影响；同时，全局模糊相似信息与局部聚集结构之间缺少有效结合，导致模型难以同时反映样本的整体偏离程度和所在区域的局部稀疏性。针对这些问题，提出一种融合模糊熵与粒球密度的无监督异常检测算法（FEGBAD）。该方法将原始样本组织为粒球结构，使检测过程能够在样本层和局部区域层之间建立联系；在属性层面，采用邻域对称三角模糊相似度计算样本与总体数据之间的模糊支持关系，并通过模糊熵描述不同属性上的分布差异，从而得到属性权重；在局部结构层面，将样本级模糊概率聚合到粒球内部，形成粒球密度，用于刻画样本所在区域与主体分布之间的相似支持强度。最终，算法将属性权重与粒球密度结合起来生成异常得分，使得得分既能反映属性差异，又能体现局部结构信息。为验证算法有效性，在18个公开基准数据集上与8种代表性异常检测方法进行了比较，数据集覆盖数值型、标称型和混合型属性，样本规模和特征维度也具有较大差异。实验结果表明，FEGBAD受试者工作特征曲线下面积（AUC）在18个数据集中取得10次最优或并列最优结果，并在5个数据集上取得次优结果，平均指标达0.9149；平均精度（AP）在 11 个数据集上取得最优或并列最优，2个数据集获得次优，平均AP值为0.6423；两项指标均高于所有对比方法，且与次优算法存在一定差距，说明该方法在不同数据条件下具有较稳定的异常排序能力。消融实验结果表明，完整 FEGBAD 模型的平均 AUC 与平均 AP 分别达 0.8820 与 0.5549；移除模糊熵属性权重、粒球密度模块及同时移除双模块后，两项指标均进一步下降趋势。两个模块均对检测性能具有正向贡献，其中粒球密度模块对异常精度的提升作用更为突出。运行时间分析显示，FEGBAD 平均运行时长为 59.889 s，虽高于部分轻量级方法，但显著低于其他复杂模糊粗糙集类算法。总体而言，FEGBAD 通过模糊熵抑制低信息属性的干扰、借助粒球密度强化局部分布结构刻画，在检测性能与计算开销间取得了较好平衡，适用于静态表格数据场景，但对强非线性结构、流式及图结构数据的适应性仍有待提升。

针对少样本学习场景下中文书法字符智能生成技术普遍存在的核心瓶颈，包括精细笔画细节表征缺失、汉字间架结构错位畸变、传统书体风格语义表达不足、生成字符可读性与规范性不稳定等技术难题，本研究提出一种面向多风格中国书法字符的精细化可控生成方法（MSCDiff: A Controllable Generation Method for Multi-Style Chinese Calligraphy）。该研究以解决少样本条件下书法生成的风格保真、结构严谨、细节还原与内容可靠为核心研究目的，致力于突破现有生成模型在传统书法艺术特征建模上的局限性，实现兼具艺术表现力与字形规范性的多风格书法字符自动化生成，为中华书法数字化传承、智能创作与风格化文字渲染提供高效可行的技术方案。 在实现方法与核心技术层面，本方法以条件扩散生成模型为基础架构，摒弃单一条件约束模式，构建多维度协同条件注入机制，将目标字符内容语义、参考书法风格特征、高频笔触细节特征共同作为生成约束条件，从底层增强模型对书法字符的风格迁移能力、结构约束能力与细节刻画能力。为精准捕捉书法艺术中飞白、顿挫、边缘锐度等细粒度风格特征，专门设计高频特征提取模块，通过高频信息先验构造、可学习特征编码与细节特征增强策略，强化模型对书法笔触边缘轮廓、飞白纹理质感、局部笔画顿挫等关键艺术特征的表征与还原能力，解决传统模型对精细艺术细节建模模糊、风格表达扁平化问题。为保障汉字字形结构严谨性与稳定性，克服少样本下结构错位、部件畸变缺陷，引入标准印刷字库结构映射机制与专用内容编码器，精准提取目标字符的骨架结构与间架布局特征；在此基础上构建多层次特征融合机制，将内容结构特征、全局风格特征、高频笔触特征进行分层耦合与自适应融合，将融合后的综合约束信息有序注入扩散模型的去噪生成全过程，实现结构约束、风格约束与细节约束的协同调控。为进一步提升生成结果的语义准确性与可读性，杜绝错字、漏笔画、结构变形等规范性问题，创新性引入字符纠错模块，依托连接时序分类（CTC）损失函数构建语义监督反馈机制，将字符语义合规性作为反向优化信号引导生成网络迭代优化，从语义层面约束生成过程，显著提升生成字符的内容准确性与实用可靠性。 为支撑模型训练与全面验证，本研究自主构建高质量中文书法专用数据集Calli，该数据集涵盖11位书法家的代表性书写风格，包含超过7万张高精度、标准化单字符图像，样本标注规范、风格覆盖全面，为少样本多风格书法生成任务提供了高质量实验基础。研究在自建Calli数据集与公开IAM手写数据集上开展多组对比实验与消融实验，从主观视觉效果、客观量化指标、泛化性能等维度进行综合评估。实验结果表明，本研究提出的MSCDiff方法能够稳定生成笔画细节完整、间架结构严谨、书体风格鲜明、可读性优异的中文书法字符；在少样本学习设定下，模型在风格保真度、结构准确率、细节还原度与语义一致性等多个方面取得了较优的综合性能，在多数评价指标上优于现有主流生成方法，有效解决了少样本场景下书法生成的细节缺失、结构错位、风格表达不足等痛点问题，展现出优异的生成有效性、泛化能力与实用价值。该方法不仅实现了多风格书法字符的高精度可控生成，更为传统艺术数字化、智能内容生成与少样本视觉建模领域提供了可借鉴的技术路径。

针对深度伪造图像在网络传播过程中易受到平台转码、H.264压缩和JPEG压缩等退化影响，导致细粒度伪造痕迹、高频信息及边界伪影被削弱，进而造成局部判别关注漂移、全局表征偏移和跨质量泛化能力下降的问题，提出压缩配对超球面一致性学习框架(Compression-Paired Hyperspherical Consistency，CPHC)。不同于将不同压缩质量样本作为普通数据增强进行简单混合，CPHC将同一人脸帧在Raw、C23和C40三种压缩质量下的版本组织为同源多质量视图，显式利用压缩退化链中的跨质量对应关系学习稳定的伪造判别表征。在局部空间响应层面，构建局部压缩注意力一致性模块(LCAC)，基于类别激活图刻画不同压缩视图下的判别关注区域，并通过相邻质量视图的成对CAM对齐与三视图共享CAM参考，引导低质量视图保持稳定的局部判别证据，抑制背景噪声、压缩块效应和无关区域的干扰。在全局表征层面，设计全局超球面一致性约束(GHCC)，将图像特征归一化到单位超球面空间，并利用von Mises–Fisher(vMF)分布约束同一真假标签在不同压缩质量下的类别中心和特征分布一致性，从而缓解压缩退化造成的全局类别结构偏移。实验结果表明，CPHC在FaceForensics++的C40强压缩测试集上取得87.02%±0.34%的平均ACC和91.30%±0.32%的平均AUC，较Baseline分别提高4.50和5.69个百分点，并取得优于7种主流方法的平均AUC。进一步在JPEG75、JPEG50和JPEG25未知压缩条件，以及CDF-v2、DFDC和DeeperForensics跨数据集场景下测试，CPHC均表现出较好的泛化性能；在以FF++为源域、DiFF为目标域的扩散生成伪造跨域实验中，四个子集的平均AUC达到83.13%。消融实验表明，LCAC和GHCC分别从局部判别区域稳定性与全局类别结构一致性两个层面发挥互补作用，二者联合能够进一步提升强压缩条件下的检测性能。上述结果说明，CPHC能够有效缓解压缩退化引起的局部响应漂移与全局表征偏移，并在强压缩、未知压缩及跨域场景下保持较稳定的检测与泛化能力。

分布式光伏站点数据呈现分散存储与显著非独立同分布（Non-IID）特性，导致传统全局联邦学习方法在跨站点训练过程中易产生梯度冲突；同时，新接入站点由于历史数据匮乏，面临明显的冷启动问题。针对上述挑战，本文提出一种自适应粒球联邦学习方法（Granular-Ball Federated Learning, GB-FL），将粒计算理论与个性化联邦学习框架有机融合，实现异构站点的自适应分组与粒内协同建模。首先，基于光伏功率曲线的统计特征构建45维站点行为表征向量，以刻画不同站点的发电模式差异。具体包括：5维基本统计特征（日均能量、峰值功率、峰值时刻索引、日出索引、日落索引），4维动态特性（爬坡上升率、爬坡下降率、日内波动强度、削顶比率），以及24维日均曲线轮廓与12维日内波动轮廓特征。所有特征经z-score标准化处理后用于后续粒球划分。在此基础上，设计“异质分裂—邻近合并—微粒球融合”三阶段自适应粒球构建算法。具体而言：在异质分裂阶段，以粒内平均欧氏距离度量异质性，引入加权评分机制与“最差优先”贪心策略进行递归二分；在邻近合并阶段，以粒球中心距离的中位数定义动态阈值，对过度碎片化的粒球进行合并；在微粒球融合阶段，将残余单站点粒球并入满足异质性约束的邻近粒球。三阶段协同作用实现无需预设簇数的自适应划分，将32个站点划分为5个粒内同质、粒间互斥的粒球结构。在粒球划分结果基础上，各粒球内部独立执行个性化联邦学习。模型采用两层门控循环单元（GRU，隐藏维度为64）作为共享时序编码器以提取共性动态模式，同时为每个站点保留个性化线性预测头以拟合局部特性。本地训练采用平滑Huber损失函数，服务器端基于样本量对共享编码器参数进行加权聚合，不同粒球间模型参数相互隔离，从而有效缓解异构数据引发的梯度冲突问题。针对新站点冷启动问题，进一步提出基于最近粒球的先验初始化策略。具体地，新站点首先根据行为表征归属至最相似粒球，并继承该粒球的共享编码器参数，通过少样本微调实现快速适配。实验在山东省32个实际光伏站点数据（各含35,040个15分钟采样点）以及La Trobe UNISOLAR公开数据集（32个站点，约76,000个15分钟采样点）上开展。数据按40%/20%/40%划分为训练集、验证集与测试集，并采用5个固定随机种子重复实验以保证结果稳定性。结果表明：在山东数据集上，GB-FL相较于个性化联邦学习方法（PFL）均方根误差（RMSE）降低3.8%（15.896 kW vs 16.517 kW），平均绝对误差（MAE）降低7.4%；相较于FedProx，RMSE降低6.0%；相较于ClusterFL，RMSE与MAE分别降低2.2%与4.6%。在冷启动场景下，相较于本地独立训练（Local），RMSE降低7.2%（8.791 kW vs 9.475 kW），MAE降低11.7%。在UNISOLAR数据集上，GB-FL在MAE（2.161 kW）与决定系数（R⊃2;）（0.796）指标上均优于FeDaL，同时其MAE标准差（0.049）显著低于FeDaL（0.100），验证了方法的跨数据集泛化能力与鲁棒性。消融实验进一步表明，当移除粒球分组机制后，模型RMSE上升3.91%，说明自适应粒化策略是性能提升的关键因素。

针对生成式多元时间序列异常检测中局部序列重构与全局分布拟合难以协调，以及模型容易高保真重构异常信号导致正常样本与异常样本间重构误差差异缩小的问题，本文提出一种渐进式潜扩散驱动的多元时间序列异常检测框架（Progressive Latent Diffusion-Driven Anomaly Detection，PLDAD）。该框架采用由掩码函数自编码器预训练、潜先验学习和端到端联合微调构成的三阶段渐进式训练范式，分阶段完成基础特征表示、正常先验建模和全局协同优化。首先，在掩码函数自编码器（Masked Function Autoencoder，MFAE）阶段，对输入序列进行元素级独立掩码，并利用双支路编码结构分别提取变量间关联和多尺度时间依赖；随后，通过自注意力机制融合时空特征，并利用基于交叉注意力的连续时间解码器重构完整序列，从而构建平滑且紧凑的潜特征空间。其次，在潜先验学习（Latent Prior Learning，LPL）阶段，冻结预训练编码器，将无掩码完整序列映射为初始潜特征，并在潜空间中建立前向加噪和逆向去噪过程。不同于传统扩散模型以高斯噪声为预测目标，本文利用潜特征扩散模型（Latent Feature Diffusion Model，LFDM）直接预测生成潜特征，使受扰动表示在正常数据先验约束下向正常特征流形靠拢，以降低异常信息被传递至解码器并被高保真重构的可能。最后，在联合微调（Joint Fine-Tuning，JFT）阶段，解冻编码器、LFDM和解码器，通过重构损失与扩散损失构成的联合目标进行端到端优化，使局部序列恢复与全局先验约束相互协调。推理时，根据真实观测与重构结果之间的平方误差计算逐时间点异常分数。本文在ASD、MSL、PSM、SMAP、SMD和SWaT共6个公开基准数据集上开展实验，数据规模超过340万个观测值，并与11种代表性方法进行比较。实验采用F1分数和接收者操作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve，AUC-ROC）对模型性能进行综合评价。结果表明，PLDAD在6个数据集上的F1和AUC-ROC均取得最优结果，平均F1达到94.31%，说明该方法在不同数据分布和异常模式下均具有较稳定的检测能力；其在ASD、MSL、PSM、SMAP、SMD和SWaT上的F1分别达到95.12%、94.01%、96.51%、88.12%、95.67%和96.40%，在ASD、PSM和SMD上的AUC-ROC分别达到88.13%、80.12%和83.27%，表明模型在异常区间检出与异常分数整体区分方面具有较好的综合性能。统计显著性分析显示，PLDAD获得1.0000的最高平均排名，进一步验证了其相对于各基线方法的稳定优势；消融实验表明，渐进式训练、潜先验学习、LFDM、联合微调和特征净化机制均能提升检测性能；潜特征可视化结果显示，完整模型中正常样本与异常样本的分布边界更加清晰。时间效率实验表明，PLDAD在保持较高检测精度的同时具有可接受的计算开销。综上，PLDAD能够缓解局部序列重构与全局分布拟合之间的优化冲突，降低异常信号被高保真重构的倾向，在复杂多元时间序列场景下表现出较好的检测准确性、稳定性和应用潜力。

针对物流证照图像中字段布局差异明显、相似字段易混淆、拍摄质量不稳定，以及现有生成式视觉语言模型在图像块一维序列化后二维空间关系表达不足、纯文本输出缺乏区域约束等问题，提出一种融合解耦二维位置编码、坐标监督提取和多任务指令混合的物流证照信息提取方法。该方法在下采样后的二维视觉特征映射至语言模型嵌入空间之前，引入行、列方向相互独立的可学习位置编码。通过分别维护行、列位置参数并按通道拼接形成二维位置先验，以较低参数开销补充视觉特征中的行列关系、局部邻接和版式结构信息，缓解图像块展平造成的空间拓扑弱化问题，增强模型对长条形文本、密集字段和相邻区域的区分能力。在信息提取阶段，将传统纯文本问答重构为字段文本与区域坐标联合生成任务，使模型以结构化序列同时输出字段内容及其归一化边界框，从而建立字段语义与图像区域之间的显式对应关系，提高提取结果的空间可溯源性和可验证性。针对直接引入坐标监督后文本生成与坐标预测之间可能出现的优化冲突，进一步构建联合提取、视觉定位和纯文本提取三类指令任务，并按照设定比例进行随机混合训练，使模型在学习空间定位能力的同时保持稳定的文本识别与指令理解能力。构建包含驾驶证、从业资格证、道路运输证和行驶证图像共4000张的物流证照数据集，数据覆盖多种版式和拍摄条件，并具有字段密集、文本区域细长、相似字段相邻及印章遮挡等特点。针对关键字段标注文本内容及其对应边界框，并转换为文本提取、视觉定位和文本—坐标联合提取指令样本。进一步引入DocVQA、XFUND-ZH、LSVT和LLaVA-Instruct-ZH等公开数据进行混合训练，以增强模型对通用文档结构、中文排版和复杂视觉干扰的适应能力。实验以InternVL2.5-2B为主要基座，并在InternVL3-2B和InternVL3-8B上开展扩展验证，采用平均归一化编辑距离相似度（ANLS）、完全匹配率（EM）、平均交并比（Mean IoU）和坐标感知准确率（Grounded Accuracy）评价文本识别、区域定位及文本—坐标一致性。实验结果表明，所提方法在保持较高文本识别性能的同时能够明显改善字段定位效果。与InternVL2.5-2B基线相比，四类物流证照上的ANLS和Mean IoU宏平均分别提高3.11和11.23个百分点，其中道路运输证的Mean IoU由13.42%提高至48.39%，Grounded Accuracy由17.32%提高至62.09%；在驾驶证数据集上，ANLS和Grounded Accuracy分别达到98.00%和48.97%。在InternVL3-8B上的3次独立运行结果显示，所提方法在四类数据集上的ANLS、EM、Mean IoU和Grounded Accuracy宏平均分别提高0.31、1.00、1.28和1.46个百分点，且标准差与基线处于相近范围，表明该方法在更大参数规模下仍具有稳定增益。消融实验表明，直接采用坐标监督难以有效兼顾文本生成与空间定位；在此基础上分别引入多任务指令混合和解耦二维位置编码后，Mean IoU与Grounded Accuracy均明显提升，二者联合使用时取得最佳综合性能。XFUND-ZH和DocVQA上的评估结果进一步表明，该方法在增强结构化文档空间建模能力的同时，未削弱通用文档问答能力。研究结果验证了显式二维空间先验与坐标监督协同建模对复杂物流证照信息提取的有效性，可为真实业务场景下的结构化文档理解与可追溯信息抽取提供技术支撑。

针对生成式对抗网络等图像编辑技术在语义层面实现像素级操控的同时，其所生成的目标导向性对抗样本在高维混沌空域扰动下存在严峻隐私泄露风险的问题，本文提出一种基于统计域与几何域协同的混淆空间关联切断安全防御方法。研究旨在解决现有单一加密或置乱手段难以彻底割裂攻击者赖以逆向还原敏感信息的两类正交空间关联，即像素值间的局部灰度统计关联与像素坐标间的全局几何布局关联，这一核心瓶颈，构建从加密到传输的全链路隐私保护机制。在技术实现上，本文方法由三层协同模块构成。第一层为统计域关联切断模块：利用对抗性敏感图像的散列值驱动Logistic映射生成内容关联型动态S盒，依据图像自身特征动态构建16×16的非线性替换表；采用Chen超混沌系统生成四组混沌序列，结合二维Logistic混沌系统产生的坐标置乱矩阵，对图像像素执行位置置乱与多阶双向扩散，将高维扰动能量均匀化至全局灰度分布，从而切断邻域灰度分布轨迹与局部结构统计模式的关联性。第二层为几何域关联切断模块：对统计域加密后的图像进行二维整数小波分解获取稀疏系数矩阵，并引入由迭代混沌映射（ICM）驱动的压缩感知测量矩阵进行维度压缩；引入非周期仿射非线性（FAN）变换，即一种包含无穷多种变换的广义仿射置乱机制，对压缩图像实施全局坐标重映射，打散像素的空间拓扑结构，辅以ICM混沌映射驱动的闭合双向扩散链路，使任意单比特变化以均匀概率扩散至全矩阵，从而消除几何域内的全局布局关联。第三层为隐蔽传输模块：将经前两层处理后的加密矩阵分段嵌入普通载体图像的红绿蓝（RGB）三通道最低有效位及Alpha透明通道的全部8个比特位，并通过混沌序列动态生成嵌入位置映射，使密文在空间上呈离散均匀分布，实现加密数据在视觉无损前提下的隐蔽传输。实验结果表明：在低、中、高三种扰动强度场景下，本文方法的攻击成功率分别为0.782%、3.469%和5.887%，较最优对比方法，分别降低79.9%、60.4%和61.6%；加密图像的灰度直方图呈绝对平坦分布，信息熵达7.988，水平、垂直、对角三个方向的相邻像素相关系数均低于0.004，表明像素间统计独立性达理想水平；像素变化率（NPCR）和统一平均变化强度（UACI）分别为99.61%和33.28%，与理论理想值高度吻合，体现对差分密码分析的极强抵抗能力；密钥雪崩效应测试中，1比特密钥翻转引发99.58%的密文像素变化，接近理论极值，验证了极高的密钥敏感性。在隐蔽性方面，隐写后载体图像的峰值信噪比（PSNR）达49.2 dB、结构相似性指数（SSIM）为0.9978，人眼无法区分原始载体与隐写载体；消融实验进一步量化了各组件的独立贡献：完整移除统计域切断或几何域切断后，攻击成功率分别飙升至15.342%和18.674%；单独移除动态S盒、多阶扩散、FAN变换、双向扩散后，攻击成功率分别升至9.113%、11.456%、12.237%和8.641%，验证了本文所设计的各模块及子组件在整体防御体系中的不可替代性。综上，本文从理论层面阐明统计域与几何域两类关联的正交独立性，据此针对性设计的协同切断机制可在保持计算效率的同时，实现对抗性敏感图像从加密到传输的全链路隐私保护，为开放网络环境下的图像安全防御提供了有效技术方案。

业务流程剩余时间预测是预测性流程监控中的关键任务，其预测结果能够为业务流程优化、资源调度、异常预警及服务质量保障提供重要决策支持。然而，现有业务流程剩余时间预测方法普遍存在两方面不足：一是基于长短期记忆网络（LSTM）和Transformer等深度学习模型虽然能够学习复杂的流程时序依赖关系，但通常依赖循环结构或自注意力机制，模型参数规模较大、计算复杂度较高，在长序列预测场景下推理延迟明显，难以满足计算资源受限环境下的实时部署需求；二是已有研究对时间信息的利用仍较为粗粒度，大多仅采用时间戳、事件间隔等单一时间属性作为输入，忽略了持续时间、累计执行时间以及等待时间等多维时间语义在不同流程阶段的重要性差异，导致模型难以充分挖掘影响流程剩余时间的关键驱动因素，从而限制了预测性能。针对上述问题，提出一种基于自适应时间加权的轻量级业务流程剩余时间预测方法LTW-Mixer。首先，围绕业务流程执行过程中不同层次的时间语义，构建由持续时间、累计执行时间、等待时间、资源响应时间及星期、小时等周期性时间信息组成的多维时间特征体系。在此基础上，为解决不同时间特征在不同流程阶段贡献程度不同的问题，设计时间特征自适应加权机制，根据流程上下文动态调整各时间特征的贡献程度，强化关键时间信息并抑制冗余特征，提高模型对关键时间驱动因素的建模能力。最后，为兼顾预测精度与模型轻量化，构建基于MLP-Mixer的轻量级骨干网络，以序列混合和通道混合替代传统Transformer中的自注意力计算，实现时间维度与特征维度的高效交互；同时设计门控融合机制，对活动语义信息与时间语义信息进行动态融合，使模型能够根据流程上下文自适应调节两类信息的贡献比例，从而增强异构特征协同建模能力，在保持较低计算复杂度的同时有效捕获长距离时序依赖关系。本文在6个公开的真实业务流程数据集上进行了对比实验，结果表明，LTW-Mixer在所有数据集上均取得最低的平均绝对误差（MAE），例如在BPIC2015_2和BPIC2015_5数据集中，本方法的MAE较现有性能最优对比模型分别降低约26.7%和39.5%；消融实验进一步验证了多维时间特征、自适应时间加权机制、门控融合机制及MLP-Mixer骨干网络均对模型性能具有显著贡献；时间特征权重分析和敏感性实验表明，模型能够根据不同业务场景动态关注等待时间、资源响应时间及周期性时间等关键时间因素，具有较好的可解释性。在轻量化性能方面，LTW-Mixer模型参数量仅为0.19M，模型存储大小仅为0.71MB，GPU显存占用57.15MB，单样本平均推理时间仅为0.023ms，均优于各对比模型，在保证预测精度的同时显著降低了模型存储开销和计算成本，具有良好的实时响应能力和工程部署潜力。

层次图像分类（Hierarchical Classification，HC）通过利用标签的层级结构刻画多粒度语义依赖，在遥感与自然图像分析中具有重要应用价值。然而，真实场景中的噪声、遮挡、模糊和低分辨率等退化因素会削弱细粒度判别线索，使固定“自顶向下到叶节点”的预测范式易产生过度细化、跨层误差传播及结构不一致问题。现有方法多关注父子从属一致性，却较少显式建模同层类别间的互斥关系，因而难以保证层级预测的全局一致性与鲁棒性。针对退化条件下样本可辨识粒度随图像质量动态变化、层级深度选择与类别路径预测相互割裂，以及局部节点得分难以保证全局路径合法性等问题，本文将退化图像层次分类进一步建模为适粒度的层级–路径（level-path）联合结构化推断任务，目标是在避免强制细化至叶节点的同时，使预测深度与当前可辨识粒度相匹配，并满足父子从属一致和同层类别互斥约束。为此，本文提出一种面向退化场景的结构一致层次分类框架VS-HESS。该方法首先构建互斥增强的层级深度–类别混合预测范式，在统一框架下联合预测样本可被可靠识别的最深层级及其对应类别路径；其次，引入层级互斥图（Hierarchical Exclusion Constraint Graph，HECG）及状态空间矩阵，在父子从属约束之外显式建模同层类别互斥关系，并通过结构化归一化与边缘化实现一致性推断；最后，通过层级语义知识引导的视觉–语义交叉注意力模块，以标签语义嵌入引导视觉token聚合，学习类别特定、跨粒度的判别性表示。具体而言，视觉Transformer首先对退化图像进行全局视觉编码，层级标签语义嵌入随后作为查询，对视觉token进行类别条件化聚合，生成各层级节点的语义感知表示和节点兼容得分；层级深度预测头根据当前视觉证据估计样本能够支持的最深语义层级。在此基础上，HECG统一描述父子从属边与同层互斥边，并将满足结构约束的合法路径集合编码为状态空间矩阵，使模型不再仅依据相互独立的局部节点得分进行决策，而是在合法路径空间内完成结构化归一化、边缘化计算及最终层级–路径联合选择。模型采用层级深度监督、路径监督和结构一致性监督进行端到端联合优化，从而将适粒度决策、局部类别判别和全局结构推断统一到同一训练过程中。在HRSC-Deg和CUB-Deg两个退化层次数据集上，VS-HESS均在全部报告指标上取得最优数值结果。其中，HRSC-Deg上的逆对称差指标、层级精确率、层级召回率、整体层级准确率以及粗、细粒度准确率分别达到72.89%、91.53%、91.48%、76.05%、99.11%和90.42%；CUB-Deg上对应的4项整体指标以及目、科、种层级准确率分别达到65.72%、90.80%、92.94%、73.71%、98.96%、92.11%和81.12%。上述结果表明，视觉–语义证据编码、动态层级选择和互斥增强的合法路径推断能够协同改善退化条件下的层级路径匹配与中细粒度识别。该方法能够依据退化图像保留的语义信息选择适当的预测粒度，并在满足父子从属和同层互斥关系的路径空间中完成结构一致决策，为遥感舰船与自然图像等不同应用域中结构一致且适粒度的层次图像分类提供了一种有效建模方案。

随着Transformer模型在计算机视觉、自然语言处理等领域的广泛应用，推理请求数量呈现指数级增长趋势，任务规模的迅速扩张对模型推理吞吐率提出了更高的要求。现有推理框架主要通过算子融合、内核生成和图优化提升局部执行效率，但Transformer模型中的不同算子对Tensor Core、CUDA Core和内存带宽等硬件资源具有不同的需求偏好。受数据依赖限制，这些算子通常仍按拓扑顺序执行，导致不同资源之间难以形成充分重叠，限制了推理吞吐量的进一步提升。针对上述问题，提出一种基于批次分割的Transformer流水推理方法。Transformer模型由矩阵乘法、归约、逐元素计算和张量重排等多类算子组成。结合算子的资源占用特征及离线性能分析结果，将其划分为Tensor Core密集型、CUDA Core密集型和内存带宽密集型三类，为后续的跨子批次流水调度提供依据。随后，针对传统方法执行中严格数据依赖导致不同资源类型算子难以重叠的问题，将原始推理批次划分为三个规模可调的子批次，并在保持各子批次内部计算图拓扑依赖的前提下进行并行调度。通过使不同子批次处于不同的计算阶段，资源偏好不同的算子可在时间维度上形成流水重叠，从而降低同类资源竞争和减少流水线空泡，提高硬件资源利用效率。进一步地，将三个子批次的规模确定问题建模为离散优化问题，以计算图拓扑依赖和三类资源容量为约束，以三个子批次规模为决策变量，并以端到端推理吞吐量最大化为优化目标。考虑到不同子批次规模会改变各流水阶段的执行时长、资源占用和重叠程度，基于离线性能查表构建吞吐量评价函数。该函数综合考虑三个流水阶段的预计执行时长及其均衡程度：当某一阶段持续时间明显长于其余阶段时，其他阶段容易提前完成并进入等待，从而降低流水重叠效果。因此，算法优先选择能够缩短瓶颈阶段、平衡各阶段执行时长并减少资源空泡的候选划分方案。在此基础上，设计滑动窗口启发式搜索算法，在每轮迭代中评估当前窗口内的邻域候选划分方案，并根据评价结果调整子批次规模；同时采用窗口衰减、收益饱和和资源阈值等机制控制搜索过程，以低搜索开销获得吞吐量最优的批次划分方案。在NVIDIA GeForce RTX 4090 GPU上，在ViT-Base、Conformer-L、BERT-Base、GPT2-XL、BLOOM-7B1和LLaMA3-8B等六个具有代表性的Transformer模型上开展实验，覆盖视觉、语音、自然语言理解和生成式大语言模型等应用场景。实验结果表明，在不同模型和批次规模配置下，该方法相较于Welder、PyTorch Inductor、TensorRT、ONNX Runtime、MetaAttention和NanoFlow，吞吐量至多可提升1.74倍、6.26倍、1.79倍、8.94倍、3.56倍和3.68倍。结果验证了所提方法能够有效挖掘不同资源类型算子之间的互补性，并在多种Transformer推理负载下提升推理吞吐量。

摘 要： 通用漏洞评分系统（Common Vulnerability Scoring System，CVSS）是漏洞优先级排序、修复决策和合规审计中的核心依据。在真实安全运营中心中，扫描器输出的端口、协议、服务、横幅和版本号等半结构化信息往往早于通用漏洞与披露（Common Vulnerabilities and Exposures，CVE）描述到达，而现有自动化评分方法大多依赖结构完整的漏洞描述文本，难以适配“扫描数据先到、漏洞描述滞后”的处置流程。同时，CVSS基础向量由攻击途径、攻击复杂度、所需权限、用户交互、作用域以及保密性、完整性和可用性影响等8项指标共同组成，任一字段误判都可能改变漏洞风险排序，因此模型不仅需要预测单项标签，还需要一次性生成语义一致、可复核的完整基础向量。针对上述问题，本文提出一种面向CVSSv3.1基础向量的可解释多标签预测模型VulXbert。该模型采用双通道语义对齐框架，分别对漏洞描述文本和主机扫描输出进行编码，并利用安全领域预训练语言模型SecureBERT增强对漏洞术语、服务名称、端口协议和半结构化符号的表达能力。在训练阶段，模型通过归一化温度标度交叉熵对比学习将描述侧与扫描侧输入映射到统一嵌入空间，从而缩小公开漏洞描述与真实扫描日志之间的表达差异；在预测阶段，模型以共享表征为输入，构建8个任务特定的softmax分类头，一次前向传播同时输出CVSSv3.1基础向量的全部字段。为降低类别不平衡对少数类标签的影响，本文引入类别加权交叉熵，并在训练集中按标签频率归一化权重。此外，本文结合输入—梯度显著性分析，为每一项预测结果输出词元级关键证据，使安全分析人员能够定位支撑攻击途径、所需权限或影响范围判断的关键字段，提升模型结果的透明度、可审计性和人工复核效率。实验基于国家漏洞数据库（National Vulnerability Database，NVD）中2016年至2024年包含完整CVSSv3.1基础向量的约6万条记录及真实扫描数据构建，并在统一数据划分和统一评价指标下与CVSS-BERT、BERT-multi、Costa等提出的CVSS指标预测方法、Kühn等提出的基于开源情报信息源的CVSS向量预测方法以及AutoCVSS方法进行对比。结果表明，VulXbert在Macro-F1、Micro-F1、Hamming Loss和Exact Match Accuracy上分别达到0.89、0.91、0.054和68%。进一步的逐指标实验显示，VulXbert在攻击途径、所需权限、作用域和三项影响指标上均取得更稳定表现；消融实验表明，安全领域预训练编码器、跨来源语义对齐和联合多头预测结构均对模型性能有明显贡献。综上，VulXbert通过跨来源语义对齐、多标签联合预测和证据级解释输出，为扫描日志先到条件下的自动化、可解释CVSS基础向量生成提供了一种可扩展方案。