视觉问答作为人工智能与多模态理解领域的一项核心研究任务，要求模型联合理解图像的视觉内容与自然语言问题并生成精准回答。针对现有非大规模预训练视觉问答方法在多模态特征建模时易受弱关联背景及冗余区域干扰，传统自注意力未能充分捕捉空间位置依赖及通道间深层语义关联，且多采用静态融合策略难以自适应复杂问题场景等缺陷，本文提出一种基于多模态过滤与空间通道注意力的多模块协同视觉问答方法。在具体实现上，该方法首先设计多模态过滤模块，通过提取特定位置的问题特征向量作为全局语义表示，与对齐后的视觉特征进行哈达玛积交互，并利用感知机与激活函数生成归一化过滤门控权重，从而在深层交互前逐元素缩放图像特征，显式抑制背景冗余信息，为后续深度交互提供纯净的视觉输入。随后，引入空间通道自注意力单元以替代传统自注意力架构。在六层堆叠的编解码器基础架构中，该单元于空间维度将特征重塑为二维图，通过多尺度卷积核结合全局池化生成空间注意力分布，充分捕捉图像区域间的空间依赖关系；同时在通道维度利用池化与全连接网络动态调整语义通道重要性，进而采用门控机制将空间通道调制后的局部特征与多头自注意力捕获的全局上下文进行加权融合，有效增强视觉特征的判别性。在此基础上，构建动态模态融合模块以摒弃静态融合机制。经过多层交互后，模型生成视觉与文本特征的注意力映射并进行拼接，将其输入至包含随机失活的全连接分类网络中，自适应学习二维动态融合权重因子，最终完成多模态特征的动态加权整合，并利用二元交叉熵损失函数进行整体参数的优化训练。基于VQA-v2和GQA数据集的广泛定量实验结果表明，在不依赖超大规模跨模态预训练数据的条件下，所提方法取得了一定的性能优化。具体而言，在VQA-v2的test-dev测试集上，所提方法的总体准确率达到71.85%，较同类基线模型MCAN和BAN分别显著提升了1.22%和2.33%，其中二元是非判断类和其它类问题的准确率分别高达88.03%和62.39%。在强调组合推理与关系理解的GQA测试集上，该模型的总体准确率达到57.92%，其中二元是非判断类问题取得了76.68%的准确率。此外，严格的消融实验定量证实了各核心模块的有效性，多模态过滤、空间通道注意力与动态模态融合模块的引入分别带来了0.63%、0.69%和0.52%的绝对性能提升，且模型层数影响分析进一步证实编解码器各堆叠六层时特征交互最为充分，模型整体性能达到最高峰值。综上所述，本文方法通过细粒度特征建模与动态交互，成功缓解了噪声干扰重、空间通道孤立与静态融合适应性差等问题，为计算资源受限等特定垂直领域下的视觉语言多模态理解与深度特征表达提供了一种改进方案。

针对生成式面部换脸技术对个人隐私构成严重威胁，且现有主动防御方法在黑盒场景下泛化能力较差、对图像处理失真鲁棒性不足的问题，本文提出一种面向黑盒场景的鲁棒增强主动防御框架（Robust Black-box Proactive Defense, RBPD）。该框架旨在从源图像端注入不可见对抗扰动，干扰未知换脸模型的身份特征提取过程，实现可靠的身份保护。该框架采用两阶段生成机制。第一阶段利用语义感知编码器（Semantic-Aware Encoder, SAE）与纹理引导解码器（Texture-Guided Decoder, TGD）生成初始语义扰动。语义感知编码器SAE通过面部语义掩码引导并结合卷积块注意力模块精准聚焦身份关键区域，纹理引导解码器TGD借助跳跃连接融合浅层纹理特征，强制扰动适配源图像的局部纹理分布与梯度强度，在保证攻击有效性的同时显著减少视觉伪影并提升视觉质量。第二阶段引入双流融合编码器（Dual-Stream Fusion Encoder, DFE）与多尺度聚合解码器（Multi-Scale Aggregation Decoder, MAD）。双流融合编码器DFE将源图像与初始扰动进行深层特征提取与非线性融合，使对抗信息深度嵌入图像语义特征空间；多尺度聚合解码器MAD采用三路并行空洞卷积捕获多尺度上下文信息，并集成挤压激励模块自适应重校准通道响应，增强扰动对图像失真的鲁棒性。同时设计元学习自适应攻击策略（Meta-learning Adaptive Attack, MAA），集成ArcFace、FaceNet、MagFace和AdaFace四种异构身份特征提取器的梯度反馈，动态调整优化权重，实现对强鲁棒性提取器的精准突破，提升扰动在未知黑盒模型上的跨模型泛化能力。在CelebA-HQ数据集上，针对SimSwap、E4S、DiffSwap三种主流换脸模型以及百度、腾讯商业人脸识别API的评估结果显示：受保护图像平均Top-1和Top-5身份匹配率分别降至0.311和0.396，较未保护图像下降63.28%和54.79%，相较最佳基线进一步下降16.17%和19.02%；在未见数据集RaFD上仍保持稳定，平均Top-1和Top-5身份匹配率分别降至0.349与0.394。在黑盒换脸测试中，换脸后图像与源图像的身份余弦相似度大多降至0.3以下，最低达0.185，实现可靠的身份错配。面对JPEG压缩、高斯模糊、噪声和缩放等常见社交网络失真时，失真防御波动率（Distortion Defense Volatility, DDV）平均仅为3.4%，显著优于Saliency（55.5%）、DF-RAP（27.1%）、NullSwap（19.70%）和ID-Eraser（13.90%）四类基准方法。视觉质量方面，受保护图像PSNR达37.38dB，SSIM为0.976，LPIPS为0.0065，展现出良好的图像自然度。在商业API测试中，百度API身份匹配通过率从89.92%降至0.40%，腾讯API从90.37%降至4.25%。单张图像总处理时间仅8.23ms，展现部署潜力。本文提出的主动防御框架有效解决了现有方法在黑盒泛化性和失真鲁棒性方面的不足，通过语义纹理引导与多尺度深度融合的协同设计，实现了攻击效能、视觉质量和鲁棒性的良好平衡，为复杂社交网络环境下个人隐私保护提供了高效实用的主动防御方案，具有重要的理论意义和应用价值。

问答模型旨在使机器能够理解自然语言问题并从文本或知识库中自动推理生成准确答案。现有基于检索增强生成的问答方法虽通过引入外部知识提高了生成质量，但仍面临两个问题，一是语义理解能力不足，难以捕捉问题与检索知识之间的关系；二是检索阶段不可避免地引入与问题相关性较低的噪声信息，这些噪声在后续生成过程中被放大，容易导致答案偏离或幻觉现象。为缓解上述问题，本文提出一种基于两阶段过滤机制的语义检索增强生成问答模型(BiS-RQA)。该模型通过构建显式过滤与隐式过滤相递进的框架，在保持高效推理的同时提高问答场景下的答案准确率。该模型使用两阶段递进式过滤架构，第一阶段筛除明显不相关的知识实体，第二阶段对保留下来的候选知识进行噪声抑制，使得大模型能够聚焦于最有价值的信息片段。第一阶段为显式过滤，提出语义引导的个性化PageRank算法（SPPR）。具体实现上，对输入的自然语言问题，使用预训练语言模型提取问题的嵌入向量；知识图谱中的实体和关系也通过同一模型获得各自的嵌入向量。首先，计算问题向量与每个实体向量的相似度，以此作为个性化向量，用于引导带重启的随机游走中的初始偏好。然后，计算问题向量与每个关系向量的相似度，利用该相似度调整游走过程中当前节点到邻居节点的转移矩阵，即根据问题与关系的相似度修改跳转概率。在此基础上，执行算法迭代直至收敛，得到各节点的平稳分布得分。最后按得分降序排序，选取Top-K个实体及其关联关系，构建对应的子图。该过程能够从原始知识图谱中显式过滤掉无关节点与边，从而有效提升检索信息的相关性。第二阶段为隐式过滤，提出多种注意力知识融合方法（MAIF）。MAIF方法分别使用了自注意力与交叉注意力机制来加权实体和关系权重。首先，将实体和关系池化后作为子图嵌入；随后，实体、关系与子图通过自注意力模块捕捉内部依赖，再进一步执行交叉注意力互相交互得到不同粒度信息之间的关联程度，从而实现对候选信息的隐式过滤与加权。最后交叉注意力机制输出的权重作为软提示，并将第一阶段得到的实体和关系作为硬提示，与问题一同输入大语言模型进行回答。在WebQSP数据集上，BiS-RQA的准确率达到77.21%，相较最优基线模型G-Retriever（73.79%）相对提升4.6%；在CWQ数据集上，BiS-RQA的F1得分为35.38%，较次优基线（32.70%）相对提升8.1%。内存占用方面，BiS-RQA使用了31.5 GB内存，相较于基线模型G-Retriever增加了1.5%；推理时长方面，BiS-RQA需要0.9427秒，相较于GRAG增加了56%。在多个公开问答数据集上的实验结果验证了该方法在语义检索与答案生成上的有效性，并展现出优秀的竞争优势。

目前规范文本的标点恢复已经取得了很好的结果，但是语音识别系统中的实时标点恢复任务仍然面临挑战。其核心挑战为真实语音识别输出往往包含口语化表达和类别分布不均衡等特点，导致传统分类模型难以准确识别复杂语义边界，而生成式大模型虽然具有较强语义理解能力，却存在推理延迟高、部署成本大等问题，难以满足实时应用需求。为缓解上述问题，本文提出一种基于渐进式迭代优化的实时标点恢复方法。首先，通过整合多个公开中文语料库，构建覆盖多种类型的大规模训练语料。同时，设计了一种标点感知的数据加权策略，通过改变不同样本的权重缓解逗号、句号和问号等类别分布不均衡带来的学习偏差，实现训练数据与真实语音识别输出文本的有效对齐。然后，通过动态掩码限制注意力计算范围，仅保留当前位置附近有限窗口内的上下文信息，保证关键语义信息获取能力并有效减少远距离噪声干扰，从而实现精度与延迟之间的平衡。最后，提出一种渐进式迭代优化机制，通过记录训练过程中样本的滑动窗口平均损失，对训练样本进行难度评估，并构建动态权重更新策略。对于持续产生较高预测损失的困难样本，采用多句拼接方式生成具有更复杂上下文依赖关系的新样本，并提高其训练权重，使模型逐步聚焦于复杂语义边界，实现训练数据与模型能力的协同演化，从而不断提升模型对复杂语义结构的建模能力。本文在真实标点恢复测试集上进行了系统实验，并与CT-transformer以及Qwen2.5-7B、Llama3.1-8B、Gemma2-9B、DeepSeek-V3等代表性模型进行比较。实验结果表明，本文方法相较于传统实时标点恢复基线CT-transformer模型的 F1值提升4.92个百分点。同时，在与参数规模远大于本模型的大语言模型比较中，本文方法仍取得更优的恢复性能。在推理效率方面，模型单句平均推理时间仅为26 ms，较DeepSeek-V3提升近200倍，满足实时语音处理场景对低延迟响应的要求。消融实验进一步验证了可控时延机制、数据加权策略以及渐进式迭代优化模块对模型性能提升的有效性，其中迭代优化过程使模型F1值由38.78%逐步提升至43.70%。相比依赖大规模参数的通用大模型，针对任务特征设计的数据与模型协同优化方案能够在保持低资源消耗和低延迟推理的前提下获得更优的标点恢复效果，为实时语音识别后处理系统的工程部署提供了一种兼顾精度、效率与可扩展性的解决方案。

针对无人机巡检场景下绝缘子缺陷检测过程中存在背景干扰严重、缺陷目标尺度变化大、小尺度缺陷特征不明显以及深层网络边缘信息逐渐丢失等问题，鉴于YOLOv11n在实时性与参数量间的良好平衡，本文以其为基础框架进行改进，提出一种基于改进YOLOv11n的绝缘子缺陷检测方法，以提升模型在复杂背景条件下对绝缘子缺陷的检测精度与鲁棒性。该方法从特征增强、特征融合以及特征提取三个层面对网络结构进行协同优化，在保证模型轻量化特性的同时提高其对复杂场景中绝缘子缺陷目标的感知与识别能力。本文模型包含三项核心优化模块。首先，为缓解复杂背景干扰、强化细粒度缺陷表征能力，在骨干网络的特征提取阶段设计动态双域特征增强模块(Dynamic Dual-Domain Feature Enhancement Module, DDFEM)，构建全局语义分支与局部细节分支协同工作机制。其中，全局分支利用双方向全局池化与跨维度矩阵交互建立长距离空间依赖关系，实现低计算复杂度下的全局语义建模；局部分支采用多分支深度可分离卷积结构提取闪络损伤、破损等细粒度纹理特征，并结合动态注意力融合机制对局部特征进行自适应重标定，从而实现全局语义信息与局部细节信息的互补增强。其次，针对深层语义特征增强过程中边缘细节信息逐渐弱化的问题，设计Sobel边缘引导加权融合模块(Sobel-Edge-Guided Weighted Fusion Module, SEGWF)，利用Sobel算子从浅层特征中显式提取边缘信息，并通过通道加权融合机制将边缘结构信息与深层语义特征进行动态融合，以增强模型对绝缘子破损边缘、轮廓等关键结构特征的感知能力，提高复杂背景下的小目标检测性能。最后，为增强多尺度目标的特征提取能力，针对传统卷积感受野固定、难以适应不同尺度缺陷的问题，在骨干网络中引入感受野注意力卷积机制(Receptive-Field Attention Convolution, RFAConv)替换传统卷积结构，该机制能根据不同空间区域的特征分布自适应调整感受野响应范围，从而提升模型对不同尺度绝缘子缺陷的检测性能。为验证所提方法的有效性，在自建绝缘子缺陷数据集上开展实验研究，并与主流目标检测模型进行对比。实验结果表明，本文方法取得92.2%的mAP@0.5，相较于原始YOLOv11n提高4.9个百分点；Precision由89.7%提升至93.0%，提高3.3个百分点；Recall由79.6%提升至88.3%，提高8.7个百分点，表明所提方法能够有效降低漏检率并提升复杂场景下的缺陷检测精度。同时，为进一步验证模型的泛化能力，在公开绝缘子缺陷数据集IDID上进行测试。结果显示，本文方法Precision为89.6%，Recall为79.8%，mAP@0.5为88.9%，在所有对比模型中取得最高的mAP@0.5指标，相较于原始YOLOv11n提升1.9个百分点，体现出较好的跨数据集泛化能力和稳定检测性能。同时，本文模型参数量仅为3.12M，计算量为7.6 GFLOPs，在精度提升的前提下保持了较低的计算复杂度。综上，本文所提出的改进YOLOv11n算法能够有效完成复杂背景下的绝缘子缺陷检测任务。

多视图子空间聚类旨在利用多源特征间的一致性、互补性与差异性信息学习潜在共享结构。如何在特征融合过程中兼顾全局结构关系、局部几何特征与表示稳定性，是该领域的重要问题。现有方法多基于低秩表示、稀疏约束或图学习机制构建统一模型，虽然能够在一定程度上挖掘跨视图共享信息，但对全局结构保持、局部平滑约束与鲁棒表示学习之间的协同建模仍不充分，导致模型在噪声污染、异常扰动及复杂分布条件下易出现局部结构失真、表示不稳定及聚类性能退化问题。针对上述问题，本文提出一种面向结构保持的局部平滑多视图子空间聚类方法（SLS-MVSC）。所提方法在统一自表示学习框架下联合引入低秩约束、全变差（TV）范数约束、图正则化约束以及鲁棒误差建模机制，实现全局信息学习、局部关系保持与稳定表示优化的协同建模。首先，利用低秩约束学习多视图共享表示，以挖掘不同视图间潜在一致的全局子空间结构，增强模型对跨视图公共信息的表达能力。其次，考虑噪声干扰容易导致自表示矩阵产生剧烈波动，本文在自表示学习过程中引入TV范数约束，通过限制局部区域表示变化幅度保持表示连续性与边界结构，从而提高表示结果的平滑性与稳定性。进一步地，引入图正则化约束保持样本间邻域关系一致性，通过显式建模局部流形结构增强模型对数据几何关系的刻画能力，使学习得到的表示更加符合原始数据的内在分布特征。同时，在重构误差项中采用鲁棒范数增强模型对异常样本与复杂噪声的适应能力，从多个层面提升表示质量与聚类鲁棒性。针对所构建的优化模型，本文设计基于交替方向乘子法（ADMM）的迭代求解算法，通过引入辅助变量对复杂目标函数进行分解优化，将原问题转化为多个可独立求解的子问题，并推导得到各变量的更新过程与整体求解流程，从而保证模型训练过程的稳定性与求解效率。为了验证所提方法的有效性，本文在6个公开数据集上开展实验研究，并与多种代表性多视图聚类方法进行对比。实验结果表明，所提方法在聚类准确率（ACC）、归一化互信息（NMI）、纯度（PUR）、调整兰德指数（AR）及F-score等指标上均取得优异性能，在多个数据集上达到最优或接近最优结果，展现出良好的聚类性能与跨数据集适应能力。进一步的消融实验验证了各组成模块对模型性能提升的积极作用，其中低秩约束和图正则化分别在全局结构学习与局部几何关系保持方面发挥重要作用，而TV范数约束在增强表示平滑性、缓解噪声引起的表示震荡以及提高模型稳定性方面表现尤为突出。鲁棒性实验结果进一步表明，在不同强度噪声条件下，所提方法整体仍能够保持稳定性能，说明模型能够有效减弱噪声扰动对特征表示学习与聚类结果的影响。综上所述，所提SLS-MVSC方法能够有效提升多视图数据的聚类性能、表示稳定性与抗噪能力，为复杂多视图数据分析提供了一种有效的子空间聚类方法。

现有显著性目标检测（SOD）方法普遍遵循被动视觉刺激原理，依赖颜色、纹理、对比度等底层特征判定显著区域，以场景中视觉特征最强的物体作为用户关注焦点，忽视了用户主动需求对显著目标判断的决定性作用。然而在人机交互、机器人巡检等真实场景中，待检测对象常淹没于复杂背景之中，用户注意力具有强烈的意图导向。近年来，用户需求驱动的显著性目标检测（UserSOD）任务被提出，将感知范式从被动视觉响应转向主动意图匹配，并构建了相应的基准数据集与基线模型。由于现有方法在视觉特征与用户需求语义之间缺乏深层融合与动态校准，模型仅能捕捉关键词的浅层语义关联，且在分层主干网络下采样过程中易丢失空间细节，导致模型在复杂背景下难以精准定位与抽象需求匹配的目标，检测性能仍受较大限制。针对上述问题，在UserSOD任务框架下提出一种深度校准与属性感知网络（DCA-Net）。该网络以Swin-Transformer模型为视觉主干，结合预训练对比语言-图像预训练（CLIP）文本编码器作为文本分支。网络核心设计了级联语义重校准编码器（CSRE），包含四个独立的语义重校准模块（SRM），每个SRM模块内部通过跨模态交叉注意力机制在特征提取源头实现视觉特征与用户意图的逐级语义对齐 ，同时在其内部引入基于多层感知机结构的门控特征流机制（ScGate），利用全连接变换与ReLU-Tanh激活生成自适应权重以动态调节各通道语义流强度，确保在特征流早期精准锁定目标区域。同时，构建卷积跨尺度交互模块（CCIM）以实现跨层级特征补偿；CCIM利用金字塔池化聚合算子与1×1卷积聚合全局特征，通过三路并行且具备不同膨胀率的3×3深度可分离卷积分支捕获多尺度上下文信息，结合串联的通道与空间注意力模块实施加权，并利用双线性插值上采样恢复尺寸，显著增强模型对多尺度目标空间细节的感知能力。引入细粒度属性感知解码器（AGD）提供细粒度约束；AGD采用自顶向下的路径将高层特征逐级上采样合并，利用CLIP文本编码器对类别、颜色、外观和功能需求四类预设属性提示词进行初始化以提供语义先验，有效避免属性查询从随机状态收敛的弊端；随后通过多头交叉注意力从用户指令中分别抽取四类属性维度的显式语义约束向量，将抽象意图解耦为四个独立的细粒度属性约束以避免多属性需求的语义混淆；将视觉特征输入四个并行的属性专用特征分支以感知对应属性的视觉模式，并与约束向量融合；最后由全局文本特征动态预测属性存在概率权重，对四类属性进行自适应调节各分支贡献强度，确保细粒度约束与用户意图精准对应，引导模型生成边界清晰、语义一致的检测掩码。在UserSOD基准数据集上的实验结果表明，DCA-Net在S-measure、F-measure、E-measure指标上相比现有最优方法分别提升4.5%、6.8%和3.8%，MAE降低至0.028，有效验证了所提架构在复杂背景干扰、变尺度目标捕获以及抽象意图对齐方面的优越性与强鲁棒性。

图像去雨旨在从受雨迹干扰的退化图像中恢复高质量的无雨图像，是提升户外视觉系统鲁棒性的关键技术。现有基于卷积神经网络的方法受限于局部感受野，难以有效建模长程依赖关系；部分基于 Transformer 的方法虽增强了全局建模能力，但对复杂雨迹的多尺度、方向性及局部高频细节恢复仍存在不足；已有频域增强方法也多将频域作为辅助表示手段，缺乏针对空间域与频域互补关系的细粒度协同建模。为此，本文提出了一种频域与空间域协同建模的图像去雨网络（Synergizing Frequency and Spatial Network，SynFSNet）。不同于现有方法主要将频域作为全局增强工具，本文从雨迹在频域中的方向性、密度性和尺度变化出发，通过多尺度傅里叶融合模块（Multi-Scale Fourier Fusion Module，MSFFM）实现由粗到细的渐进式雨迹抑制，并通过傅里叶形状注意模块（Fourier Shaped Attention Module，FSAM）中的矩形滤波器注意力（Rectangular Filter Attention，RFA）和方形滤波器注意力（Square Filter Attention，SFA）分别增强方向敏感与局部结构敏感的频域表示。进一步地，网络通过双域损失函数同时约束空间域结构与频域一致性，以提升复杂场景下的恢复质量。实验结果表明，SynFSNet 在多个合成数据集和真实场景数据集上均取得了较优性能，验证了频域与空间域协同建模在复杂图像去雨任务中的有效性。

生理时间序列分类在睡眠监测、心电诊断和癫痫检测等多种医疗健康任务中具有重要意义，但在实际应用中，其严重的类别不平衡问题导致少数类特征难以有效学习，尽管这些少数类样本数量稀少，但它们通常承载着更为重要的信息，其性能的准确识别对于疾病及时干预、健康精确评估及其他应用场景的优化决策至关重要。 由于生理时间序列少数类样本数量有限且多为背景波形，模型很难直接从整体序列中学习到判别性强的特征。这些少数类样本中往往存在少量关键局部片段，其独特结构或变化模式承载了类别判别信息，识别这些关键信息对少数类建模至关重要。对比学习方法具备良好的泛化性和结构感知能力，被广泛应用于改进类别不平衡建模，但现有方法多来源于图像领域或依赖样本全局表示，难以捕获少数类样本中稀疏却具有判别信息的局部关键波形片段，另外，现有不平衡方法对频域上的特征利用不充分，数据增强时也缺少类别区分，忽略了少数类与多数类的类间分布差异。 为解决上述问题，该研究提出了一种面向类别不平衡生理时间序列分类的关键波形感知的对比学习方法KWave-CL。少数类中难以学习的关键波形片段通常表现为重构误差较大，该方法设计了联合时域与频域的变分自编码器对少数类波形片段进行重构，通过计算时域与频域的重构误差识别少数类的关键波形片段与非关键波形片段，从而为后续对比学习提供信息。为了充分挖掘少数类样本中的局部判别信息，基于识别出的关键波形片段，该方法进一步设计了关键波形感知对比损失，通过拉近少数类关键波形片段之间的距离，并拉远关键波形片段与非关键波形片段的距离，使少数类在表示空间中形成更紧密且可分的聚类结构，提升少数类表示的判别性。为了增强少数类的多样性，同时保持多数类的特征稳定性，该方法还引入了类别区分的数据增强，对少数类施加较强的扰动，而对多数类则施加较弱的扰动，从增强空间上缓解类别分布偏移问题。整体方法采用联合优化策略，将自监督对比损失、关键波形感知对比损失和时频变分自编码器重构损失整合训练，实现全局与局部特征的协同学习。KWave-CL方法也具有良好的灵活性，可以嵌入多种时间序列对比学习框架中。 在三个公开的真实生理数据集上的实验表明，KWave-CL在两种代表性对比学习框架下的整体性能优于现有的多种不平衡学习基线模型。在PhysioNet 2017数据集的实例级框架下，整体F1分数最高提升了6.69%，少数类别的F1分数最高提升了11.67%，消融实验进一步表明，关键波形感知对比损失、时频变分自编码器以及类别区分数据增强均对少数类性能提升起到关键作用，证明KWave-CL有效缓解了类别不平衡问题，可以为医疗健康领域提供可靠的辅助决策支持。

针对红外无人机航拍图像中小目标像素占比低、纹理细节弱、信噪比低以及易受复杂背景干扰等问题，同时兼顾无人机平台对检测模型轻量化与实时性的部署需求，本文以YOLOv12n为基线模型，提出一种轻量化红外小目标检测算法ACFF-YOLOv12n。现有红外小目标检测方法在特征提取阶段普遍存在弱目标细节建模不足、多尺度特征融合效率低以及检测头对低对比度目标适应性差等问题，导致小目标在深层网络传递过程中易出现特征稀释、漏检及误检现象。为提升模型对复杂红外场景下弱小目标的感知能力，本文从骨干网络、特征融合结构以及检测头三个层面进行协同优化。首先，在骨干网络中设计A2C2f-ACmix++特征增强模块，将全局自注意力机制与局部增强卷积进行双路径协同建模，并引入轻量通道注意力（Lightweight Channel Attention，LCA），对红外弱目标通道响应进行自适应强化，在保持较低计算开销的同时提升模型对边缘、纹理等细粒度信息的提取能力。其次，在颈部网络中提出语义门控动态融合模块（Semantic-Gated Dynamic Fusion Module，SGDFM），以高层语义特征为主导、浅层细节特征为辅助，通过门控权重动态调节跨层特征融合比例，实现不同尺度特征之间的自适应互补，缓解红外小目标在深层网络中的信息衰减问题，增强模型在复杂背景和尺度变化场景下的鲁棒性。最后，在检测头部分构建基于条件参数化卷积的轻量化检测头（CondConv-based Lightweight Detection Head，CLD-DET），引入条件参数化卷积（Conditionally Parameterized Convolution，CondConv），并结合小目标细节增强模块（Small Object Enhancement，SOE），对红外弱边缘、低对比度目标进行空间细节强化，从而提高模型对微弱目标的定位与分类能力。实验采用HIT-UAV红外无人机数据集进行训练与测试，并在SIRST和NUDT-SIRST数据集上进一步验证模型的泛化性能。结果表明，ACFF-YOLOv12n在HIT-UAV数据集上的mAP@0.5达到87.1%，较基线YOLOv12n提升5.7个百分点；mAP@0.5:0.95达到56.8%，提升2.8个百分点。同时，模型参数量降至2.13M，计算量降至5.0GFLOPs，在保证检测精度提升的同时实现了较好的轻量化效果。在SIRST数据集上，模型mAP@0.5达到78.6%，较YOLOv12n提升5.6个百分点；在NUDT-SIRST数据集上，mAP@0.5达到76.7%，较基线提升3.4个百分点，验证了所提方法在不同红外场景下具有较强的泛化能力与稳定性。此外，可视化与热力图实验结果表明，本文模型在复杂背景、远距离弱目标及密集小目标场景下能够形成更加准确且均衡的特征关注区域，有效降低漏检与误检现象。综合实验结果表明，ACFF-YOLOv12n在检测精度、模型复杂度以及实时性能之间实现了较优平衡，能够满足无人机红外小目标检测任务对高精度与轻量化部署的双重需求，在红外无人机巡检、边境安防及复杂环境目标监测等领域具有较高的应用价值。

交通流量预测是智能交通系统的关键核心技术，对提升城市交通管理效能具有重要价值。传统方法中，时间序列预测和机器学习模型应用广泛，但时空图神经网络因在交通流表示学习中的突出优势，已成为研究热点。然而，现有方法存在显著局限：一是依赖静态图结构，难以建模远距离空间依赖和区域差异；二是未能捕捉路段间时滞效应，导致时空依赖关系建模不足。针对这些问题，本文提出基于时滞感知注意力机制的动态图卷积交通流预测模型（TLAA-SDGC），采用编码器-解码器架构，结合该机制与空间动态图卷积，有效缓解了时滞效应对预测性能的负面影响。具体地，门控因果卷积融入注意力机制，通过学习延迟参数显式建模空间节点的非同步时间依赖；动态自适应空间相关矩阵实时感知交通状态变化，精准刻画交通流在路网中的动态传播过程。同时，时空嵌入的引入使模型能准确刻画交通流的短时波动、长期周期规律及网拓扑约束下的时空异质性。在公开基准数据集上的实验表明，该方法在应对时滞与动态性挑战上效果显著，相较于现有最佳基线模型，其关键预测误差指标（MAE, RMSE）获得了6.5%至11.9%的显著降低。

动态场景下的同时定位与建图（Simultaneous Localization and Mapping，SLAM）易受运动目标、遮挡及光照变化等因素影响，导致位姿估计漂移与地图重建伪影。现有方法在动态观测判别和地图更新约束方面仍存在局限，容易依赖类别先验、固定阈值或特定场景分布，并可能将运动目标误建为伪静态结构。针对上述问题，提出一种面向动态场景的多源一致性残差增强高斯SLAM方法（Multi-Source Consistency Residual-Enhanced Gaussian SLAM，MCRGS-SLAM）。该方法从观测可靠性角度对动态干扰进行连续、可解释建模，并将可靠性约束嵌入前端位姿估计与后端高斯建图过程，以提升动态场景下单目SLAM系统的定位精度和静态地图重建质量。 该方法基于静态区域需满足多视图一致性的物理约束，构建外观、几何、运动和结构四类互补的一致性残差，将动态观测判别转化为可量化的物理度量。其中，外观残差用于刻画跨视角亮度与纹理一致性，几何残差用于衡量深度投影关系的稳定性，运动残差用于检测难以由相机自运动解释的独立位移，结构残差用于描述局部边缘与几何形态变化。不同于直接采用二值掩膜或固定阈值剔除动态区域的策略，上述残差将被建模为连续物理约束，用于表征像素观测相对静态假设的偏离程度。在此基础上，设计语义—几何双流融合的可靠性推理网络（Multi-source Consistency Residual Network，MCR-Net）。语义流提取高层语义特征，用以提供类别级动态先验，几何流编码残差证据，用以表征多视图一致性，两路信息经注意力机制融合后生成像素级可靠性图谱。该图谱以软权重形式作用于 SLAM 系统前后端：在前端位姿优化中，对外观、运动、几何和结构约束进行可靠性加权，降低动态外点对相机位姿求解的干扰；在后端3D高斯（3D Gaussian Splatting，3DGS）建图中，指导高斯基元的初始化、更新与剔除，从而自适应抑制动态观测造成的地图污染。由此，系统将动态观测处理从离散剔除转化为基于可靠性的连续加权，在保留边界区域和弱可靠静态观测的同时，减弱动态外点对位姿估计与高斯地图更新的累积影响。此外，MCRGS-SLAM 构建基于重投影误差与渲染一致性的自监督闭环优化机制，使网络能够在线适应未知场景中的动态变化。 在Bonn和TUM等动态场景数据集上的实验结果表明，MCRGS-SLAM在定位精度和重建渲染质量方面均取得了良好的综合表现。在定位精度评价中，该方法在Bonn动态数据集上的平均绝对轨迹误差均方根（ATE RMSE）为2.35 cm，优于多类代表性方法，说明可靠性加权优化能够有效减弱动态观测对位姿估计的影响。在重建渲染质量评价中，该方法在TUM动态数据集上的平均PSNR、SSIM和LPIPS分别为17.99 dB、0.73和0.272，相较于现有代表性动态3DGS-SLAM方法Dy3DGS-SLAM，PSNR提升0.14 dB，SSIM提升约1.1%，LPIPS降低约4.6%，有效减少了动态目标引起的建图伪影。真实复杂场景序列上的结果进一步表明，该方法在场景分布变化和非结构化动态干扰下仍能保持稳定表现，具有较好的跨场景适用能力。

区块链的匿名属性为交易提供了隐蔽环境，比特币地址类型检测旨在分类行为模式各异的地址，对区块链去匿名化分析具有重要意义。现有方法主要面临三方面挑战：一是比特币交易网络规模庞大、结构复杂，直接使用图神经网络训练效率低；二是深层图神经网络易出现过度平滑问题，导致节点表征趋同，判别能力下降；三是多数方法仅依赖静态图结构或简单统计特征，忽略了交易行为中的时序模式，难以有效捕捉地址的动态行为特征。针对上述问题，本文提出一种基于时序图特征网络的比特币地址类型检测方法F-BAC（Filter-enhanced Bitcoin Address Classifier）。该方法包含四个核心步骤。一是交易建模。将标签地址的每笔交易构建为独立的同构图，节点为交易涉及的地址，边为资金流向。为应对不同交易规模差异巨大的问题，提出细粒度的地址聚合压缩策略：根据地址在全体交易记录中出现的总频次将节点划分为四个层级并分别聚合，从而将原始异构图转换为结构规整的小规模同构图。该策略显著简化了拓扑复杂性，为后续图表示学习奠定了有效基础。二是地址特征提取与增广。为每个地址计算局部特征，并对聚合后的每类地址计算统计特征。随后，利用图特征网络（GFN）对特征进行三层传播与增广，同时保留每层网络的原始节点信息，有效缓解过度平滑问题。三是时序特征优化。将同一地址按时间排序的交易图表示序列输入过滤器增强的多层感知机（F-MLP），经离散傅里叶变换转换至频域，利用可训练的线性滤波器抑制混淆行为和行为噪声，最后经逆傅里叶变换重构增强后的时序信号。此设计显著提升了模型对周期性交易模式的捕捉能力。四是地址分类。将过滤优化后的时序图表示序列输入分类器，输出地址类型标签，以交叉熵损失函数监督训练。本文构建了一个包含时序特征的数据集，为后续研究提供了重要数据基础。在自建数据集及三个公开数据集上进行了系统实验。消融实验表明，去除地址聚合模块、GFN模块、时序过滤模块模型性能均有不同程度下降，验证了三项策略的必要性。在自建数据集上，F-BAC取得了96.7%的精确率、95.9%的召回率和96.3%的F1值，宏平均F1达到91.1%。在BAC数据集上，F-BAC的F1值达到98.4%；在BATC数据集上达到98.0%；在Google/CvdxBp数据集上达到94.6%。对比实验显示，F-BAC的表现均优于BAClassifier、Multi-hop GAT、Balanced-BiEGCN和MDST-GNN等现有方法。此外，F-BAC较BABD方法减少89.3%数据采集量，GFN模块相较GCN节省约30%-45%的训练时间，显著降低了训练成本。综上所述，本文提出的F-BAC方法通过细粒度地址聚合、图特征网络增强和时序频域过滤三项策略，有效缓解了比特币地址类型检测中图规模过大、过度平滑、时序模式缺失和混淆干扰等问题。在多个数据集上的实验验证了F-BAC在这一任务上具有良好的泛化性能。

针对现有多元时间序列异常检测方法在复杂时序依赖建模、多尺度动态特征刻画以及先验信息利用方面存在的不足，提出一种多分布多尺度自适应先验Transformer异常检测模型MMAPT-AD（Multi-distribution and Multi-scale Adaptive Prior Transformer for Anomaly Detection）。模型首先通过数据嵌入模块对输入多元时间序列进行统一表示，从时间维度与变量维度提取基础时序特征，以增强对变量间耦合关系与动态变化模式的表达能力。随后构建多分布多尺度先验生成机制，在不同时间尺度下联合引入高斯分布、拉普拉斯分布与柯西分布，对序列潜在关联结构进行建模。其中，高斯分布用于描述平稳变化特征，拉普拉斯分布用于增强对局部突变模式的刻画能力，柯西分布用于提高模型对长尾异常及复杂波动模式的适应能力。针对不同尺度下时序依赖关系存在差异的问题，模型在多个时间尺度下生成先验关联矩阵，对局部依赖关系与全局时序结构进行联合建模。同时，引入可学习权重实现多分布先验融合，以增强模型对复杂统计特征与异构动态模式的表征能力。在此基础上，设计先验引导的异常注意力机制，将多尺度先验信息融入注意力权重计算过程。该机制在学习时序关联特征的同时引入结构先验约束，引导模型关注潜在异常相关的关键时间片段与变量通道，从而提升对局部异常、稀疏异常及复杂结构异常的识别能力。为提高模型对复杂异常模式的区分能力，在模型优化阶段结合重构误差、注意力先验差异约束以及多尺度不一致性约束构建联合损失函数，并融合重构误差、注意力分布差异及多尺度结构偏离信息构建综合异常评分，实现时间步级异常判定。为验证模型性能，本文在SMD、MSL、SWaT、SMAP及PSM五个公开数据集上进行了实验。实验结果表明，MMAPT-AD在五个数据集上分别取得93.40%、94.99%、96.06%、96.67%和98.06%的F1值，在多个数据集上达到最优或接近最优的检测性能。其中，在SMD数据集上，F1值较InterFusion与Anomaly Transformer分别提升7.18个百分点和1.07个百分点；在MSL数据集上，较TransDe提升0.63个百分点；在SMAP数据集上，Recall达到99.35%，表现出较强的异常覆盖能力。进一步的消融实验与鲁棒性实验验证了多分布先验建模、多尺度结构约束以及联合优化策略对性能提升的有效性，同时表明模型在输入扰动条件下仍具有较好的稳定性与泛化能力。综上，MMAPT-AD能够有效融合多分布统计特征与多尺度时序依赖信息，在复杂动态场景下表现出良好的异常检测性能与结构适应性。

针对存在隐变量干扰时因果结构学习准确性下降、观测变量间因果方向难以可靠判断的问题，提出一种基于非高斯信息的隐变量因果发现方法。实际数据中往往存在无法直接观测或难以完整记录的隐变量，这些隐变量会同时影响多个观测变量，使观测变量之间出现由共同原因导致的统计相关关系。不考虑隐变量存在的因果发现方法容易将隐变量诱导的相关性误判为因果关系，进而产生虚假因果边、因果方向错误和结构恢复不完整等问题。为提高含隐变量场景下因果结构恢复的准确性，所提方法在含隐变量的线性非高斯无环因果模型下，利用数据的非高斯信息，对观测变量间的直接因果关系以及隐变量影响下的未定向因果关系进行识别。具体而言，在第一阶段中，方法以观测变量构成的完全无向图作为初始结构，通过基于回归残差的条件独立性检验逐步删除统计独立的变量对，从而获得观测变量间的初始骨架结构。该阶段能够在不显式建模隐变量的情况下，优先确定部分可靠的观测变量间直接因果关系，为后续隐变量检测和剩余边定向提供结构基础。在第二阶段中，针对仍未完全定向且可能受到隐变量影响的变量关系，引入高阶累积量刻画非高斯分布中的高阶统计信息。通过采用四阶联合累积量估计隐变量对观测变量的作用强度，并通过检验是否满足共享单隐成分条件，判断多个观测变量是否受到共同隐变量影响。在此基础上，进一步对受隐变量影响的观测变量间剩余未定向边进行方向判定，最终输出包含观测变量及隐变量的因果结构。理论分析表明，在变量由线性非高斯无环因果模型生成、噪声变量相互独立且相关可识别条件成立的情况下，所提方法能够利用独立性约束和高阶累积量信息识别含隐变量因果结构。为验证方法有效性，在5种模拟因果图和3种样本量设置下，将所提方法与多种代表性方法进行比较。实验结果表明，所提方法在多数场景下精确率较高，比现有方法的精确率至少高30%。同时，所提方法在召回率和F1得分上均取得最优结果，在不同样本量下的F1评分大于或等于75%。特别是在隐变量影响较强、结构较复杂的模拟场景中，所提方法能够有效减少真实因果边遗漏，提高整体结构恢复能力。消融实验表明，所提方法中无隐变量干扰局部结构识别，以及隐变量检测与未定向因果边识别两个阶段均对最终因果结构恢复具有重要作用。在真实金融数据实验中，以香港股票市场中多只成分股收益数据为研究对象，进一步验证所提方法在实际场景中的适用性。实验结果显示，所提方法能够在保持因果图合理稀疏性的同时，识别出具有明确经济含义的隐变量结构，刻画从全市场宏观因子到行业板块再到个体股票的多层级因果传导关系。与多种代表性方法相比，所提方法既避免了因果图边过密的问题，也弥补了部分方法缺乏全局驱动因子或未显式刻画隐变量结构的不足。综合模拟实验、消融实验和真实数据实验结果可知，所提方法能够有效利用高阶统计信息和条件独立性约束，提高含隐变量场景下因果结构恢复的准确性、完整性与可解释性，为复杂数据环境下的因果分析和智能决策提供了一种有效方法。

城市道路积水是暴雨内涝过程中最直接影响交通通行和应急调度的风险形态之一，及时识别积水等级对于道路管控、抢险部署和公众出行提示具有重要意义。然而，面向真实道路监控视频开展积水分级识别仍存在三方面困难：一是强降雨、夜间低照度、车流遮挡和水面反射会造成同一等级内部差异较大；二是重度、严重积水等高危样本出现频次低，数据呈现明显长尾分布；三是同一摄像头、同一路段或同一降雨事件中视频片段相似度较高，若处理不当会影响模型泛化能力评价。针对上述问题，提出一种少样本多模态标签约束道路积水分级识别方法。首先，将I-JEPA式联合嵌入预测架构扩展到视频片段，以连续帧中的跨帧时空块作为上下文和预测目标，在表征空间预测积水相关目标块特征，避免像素级重建带来的冗余优化，使编码器更关注路面水层、车轮涉水、反光纹理和水面扰动等与积水等级相关的语义线索。其次，利用CLIP文本编码器提取积水等级描述的语义特征，并在支持集原型构建阶段引入文本约束，使视觉特征与“轻微、轻度、中度、重度、严重”等类别语义在共享空间内对齐，从而缓解少样本条件下相邻水深等级边界不稳定的问题。再次，在查询视频与支持原型匹配阶段引入动态时间规整距离，通过帧级累积距离矩阵搜索最优时序对齐路径，使模型能够适应不同视频长度、车辆涉水时刻和关键帧位置差异，提高跨拍摄节奏匹配的稳定性。基于南京市和厦门市真实道路监控视频构建两套积水分级数据集，划分训练集、验证集和测试集前对同源近重复片段进行去重，并结合摄像头编号、道路位置和降雨事件时间进行交叉核查，以降低高度相似片段跨集合分布带来的泄漏风险。在对比实验中，本文选取ResNet50、VGG-16、ViT-B、SwinT-B、HCL、OTAM、CPEA、CLIP-FSAR、Qwen2-VL和Qwen2.5-VL等方法作为基线，并在表格中补充各方法的提出年份和发表来源；同时将2025年以后正式发表且代码开源的AVF-MAE++和TEAM纳入方法层面对比，以说明本文方法与最新开源视频表征学习和少样本视频识别方法之间的差异。实验结果表明，本文方法在南京和厦门数据集上的总体精度分别达到96.4%和95.0%，优于卷积神经网络、Transformer、少样本视频识别方法和多模态大模型基线。鉴于少数类测试样本数量有限，本文不将单次划分中P/R=100%作为独立稳定性证据，而是补充5次独立分层重划分实验，使重度和严重积水样本在不同测试子集中得到多次覆盖；5次实验中总体精度标准差低于0.8%，说明该方法在长尾少样本类别和跨城市场景下具有较好的鲁棒性。

随着无人机技术的不断进步，无人机航拍小目标检测受到越来越广泛的关注。针对无人机航拍图像中目标尺度小、分布密集及背景复杂导致的检测精度低、漏检率高等问题，提出一种基于改进YOLOv11n的无人机航拍小目标检测模型PK-YOLO。以YOLOv11n为基线模型，分别从特征提取、特征融合与损失函数三个方面对模型进行针对性改进，旨在提升无人机航拍场景下小目标的检测精度与整体鲁棒性。在特征提取阶段，针对YOLOv11n采用P3至P5层的特征金字塔结构，对尺寸小于32×32像素的极小目标响应能力有限，导致的漏检、误检等问题，研究新增小目标检测层P2检测层，利用更高分辨率的特征图保留更丰富的空间位置信息与边缘细节信息，实现从高分辨率浅层特征到强语义深层特征的渐进式融合，显著增强网络对微小目标的特征提取能力。其次，设计融合核选择融合注意力机制（Kernel Selective Fusion Attention, KSFA）的C3k2_KSFA模块，替换原始骨干网络中的C3k2模块。KSFA机制借鉴动态卷积与选择性核网络的思想，通过并行使用多种扩张率与尺寸的卷积核提取多尺度特征，并利用空间-光谱选择机制自适应地为不同空间位置分配最优的核权重，使模型能够根据输入目标的实际尺寸灵活调整感受野，从而提升对不同尺度目标的特征表达与区分能力。在特征融合阶段，传统固定上采样操作难以适配无人机图像中目标尺度剧烈变化的特性，容易造成小目标特征丢失且易受复杂背景干扰。为此，研究将颈部网络中的固定上采样模块替换为DySample动态上采样。DySample基于点采样策略，能够根据特征图内容自适应调整采样点位置，在放大特征图的同时有效抑制背景干扰，降低小目标特征的丢失率。在损失函数优化方面，针对YOLOv11n所采用的CIoU损失函数易受低质量预测框干扰而导致定位精度不足的问题，引入Inner-IoU机制改进Wise-IoU v3，提出Inner-WIoU损失函数。该函数通过动态非单调调频机制与辅助边框，在保留对困难样本关注能力的同时，增强对目标位置与形状的精细描述能力，有效提升了小目标的定位精度。为验证模型有效性，本文在VisDrone2019、TinyPerson及RSOD三个公开数据集上开展对比实验。在VisDrone2019数据集上的实验结果表明，与基线模型相比，PKD-YOLO模型在mAP@0.5和mAP@0.5:0.95上分别提升5.0％和3.3％，精确率提升5.0％；在更具挑战性的TinyPerson数据集上，上述三项指标分别提升5.7％、1.9％与7.4％，充分证明了模型在复杂场景下对小目标的检测优势。在RSOD数据集上，mAP@0.5与mAP@0.5:0.95分别达到了96.1％与68.8％，较基线模型分别提升2.7％与3.6％，表明模型在保持较高定位精度的同时，对目标检测的置信度判别能力有所增强。综合三个数据集的实验结果，PKD YOLO在多种无人机航拍场景下均表现出优越的小目标检测性能，验证了本文所提改进方法的有效性与泛化能力。

近年来，生成模型快速发展，在图像合成、艺术创作和数字人像生成等领域展现出极强能力。然而，这类模型在提升生成性能的同时，也带来了显著的隐私风险：训练数据中的涉及隐私的信息可能在生成内容中泄露。为此，机器遗忘技术被提出，用以削弱模型对特定数据的记忆，防止隐私信息在生成任务中被泄露。其中，面向人脸生成的ID遗忘方法旨在使模型不再生成具有特定身份的图片，从而保护个人隐私信息。然而，现有ID遗忘方法仍存在鲁棒性不足的问题。攻击者可以利用少量被遗忘身份的数据对模型进行有限步数再训练以恢复被遗忘的身份，即再学习攻击。实验表明，在 CelebAHQ数据集上，传统 ID 遗忘方法虽然能够有效降低目标身份与生成图像的相似性，但经过再学习攻击后，遗忘效果很容易被逆转，显示出其在再学习攻击下的鲁棒性不足的问题。由此可见，虽然传统方法在初始测试中能够达到较好的遗忘效果，但在实际攻击场景中仍存在鲁棒性不足的问题。针对这一问题，本文的研究目标包括两方面：一是构建一种再学习攻击方法，用以揭示现有ID遗忘方法鲁棒性不足的问题；二是在此基础上提出一种增强鲁棒性的 ID 遗忘方法，使模型在面对再学习攻击时仍能保持稳定有效的遗忘效果。在技术实现上，本文首先提出了针对生成对抗网络的再学习攻击方法。该方法在已有遗忘模型基础上，利用少量被遗忘身份数据进行有限步梯度更新，使模型生成图像重新接近被遗忘的身份表征，从而评估ID遗忘方法的鲁棒性。其次，本文提出一种基于平滑优化的鲁棒 ID 遗忘方法 (RIDU)。该方法在遗忘训练过程中对模型权重参数施加随机扰动，使优化不仅追求当前参数点的遗忘效果，同时考虑参数邻域内的整体稳定性，从而形成平滑且稳定的遗忘区域。通过这种方式，遗忘效果不再依赖单一脆弱的局部最优点。这使得再学习攻击难以恢复被遗忘身份。同时，该方法采用相应损失函数确保遗忘目标与模型生成质量的平衡。在实验方面，本文在多个公开数据集上验证了方法有效性。以 CelebAHQ 数据集为例，RIDU方法在未受攻击条件下能够显著降低目标身份与生成图像的相似性，相比传统方法效果更优；在面对再学习攻击时，传统方法的遗忘效果容易被逆转，而RIDU方法在攻击下仍能保持较强的遗忘能力，可显著抑制目标身份的恢复。同时有相关实验表明，该方法使得模型在遗忘特定身份的同时，也能保持生成能力不受较大影响。综合来讲，本文提出了一种再学习攻击来评估当前ID遗忘方法的鲁棒性。同时也将平滑优化和ID遗忘结合，提出具有更强鲁棒性的RIDU方法。RIDU方法通过引入参数扰动的平滑优化策略，使得模型在面对再学习攻击时仍能维持有效的遗忘效果。此外，RIDU方法在进行ID遗忘的同时还能够较好地保护模型的生成能力。

针对当前大语言模型在医疗等高知识密度与强逻辑约束领域应用时，同源多智能体系统因底层思维逻辑一致性导致的自我纠错能力缺失、算力投入与性能产出不成正比等核心瓶颈问题，提出并实现了一种基于异质模型交互验证的多代理验证融合结构。该结构通过精密设计的提示工程构建了一个差异化的层级协作架构，其技术实现的核心在于打破单一模型系列的逻辑盲区。系统由具备极高参数量与泛化推理能力的高性能大模型担任核心决策智能体，负责解析医疗病历信息并生成初步诊疗逻辑；同时，创新性地引入了输出风格稳定、逻辑倾向保守且具备完全不同训练分布的异源模型作为验证层。其中，验证层并不参与答案的生成和决定，而是专注于对决策层输出的推理路径、医学事实一致性以及逻辑合理性进行多维度的“验证-问题列举-响应”式审计。这种特定结构的逻辑基础在于：利用异源模型间的思维差异性来实现异源智能体之间的逻辑冲突与交叉验证，从而在确保医疗事实严谨性的基础上，显著增强系统输出的多样性与稳健性，同时提升模型对于场景的适应能力和稳定性。在针对糖尿病医疗领域的专项实验分析中，该模型展现出显著的性能增强。实验结果显示，相较于相同基座配置的单智能体基线，模型在医疗知识选择题上的正确率提升了约 10%，在简单医学填空上提升了约 8%，在复杂医学题上的表现提升了约 22%。通过与当前前沿的策略模型 Colacare 进行深度对比，研究发现模型在处理医学决策时表现出更优的逻辑一致性与推理稳定性。此外，更突出的成果是，该系统在不依赖高成本的标注数据集和无需进行任何模型微调训练的情况下，其综合评测性能已超越了经过深度领域微调的专业模型 Diabetica-7B。在工程可行性与资源消耗的权衡分析中，实验数据记录显示该系统的平均推理消耗为 61,881 tokens/题，平均推理时延为 71.74 s/题；相较于 Diabetica-7B 等专用模型，该系统不仅规避了高昂的算力训练成本与数据标注周期，还通过灵活的插件式架构降低了系统的整体设计复杂度。研究结论表明，在处理高知识融合、强约束需求的医疗决策问题时，引入模型间的异质性而非单纯堆叠同源模型规模，是提升系统可靠性的关键路径。模型的成功实践证明，通过优化异构智能体间的协作校验机制，可以在不损失大模型推理上限的前提下，利用异源模型的稳健性有效填补逻辑漏洞。这一研究成果不仅为医疗 AI 系统在复杂任务下的低成本部署提供了全新的技术框架，也为大语言模型从“通用智能”向“可靠专业智能”的范式转型提供了重要的理论支撑与实践指引。

锚点二分图能够以较低计算代价近似样本间关系，是大规模多视图聚类中的常用图构建方式。但现有方法多采用随机采样、K-Means中心或静态字典生成锚点，锚点位置通常在图学习前固定。在非球形簇、环状簇、长条状簇以及簇间密度差异较大的数据中，静态锚点难以贴近局部密度峰与弯曲簇边界，容易产生锚点失配。由此构造的样本–锚点二分图会包含冗余连接或不可靠连接，影响跨视图结构融合，并降低聚类结果的稳定性。针对上述问题，提出一种均值漂移引导的多视图锚点二分图聚类方法。该方法的目标是在保持锚点图高效率的同时，提高锚点对复杂数据分布的自适应刻画能力，并将图学习与聚类划分纳入统一优化过程。首先，在每个视图中初始化锚点集合，并利用Mean Shift沿核密度梯度迭代更新锚点，使锚点由欧氏中心代表点转向局部密度模式。随后，根据样本到近邻锚点的距离估计局部带宽，只保留每个样本的近邻锚点关系，构造稀疏且密度感知的样本–锚点二分图。其次，将各视图二分图分解为共享一致性图和视图特有互补图。一致性图用于刻画不同视图共同支持的聚类结构，并施加核范数约束以增强低秩性和结构紧致性；互补图用于保留单个视图中偏离共识但具有判别作用的局部信息，并施加稀疏约束以抑制噪声和冗余连接。再次，依据重构误差自适应学习视图权重，避免各视图等权融合带来的信息干扰。在此基础上，融合一致性图与互补图，构造联合样本–锚点二分图和增广拉普拉斯矩阵，并通过谱迹约束使联合图趋向于形成给定数量的连通分量。模型采用块坐标下降策略交替更新聚类指示矩阵、一致性图、互补图和视图权重。各子问题可通过特征分解、软阈值算子、奇异值阈值和二次规划求解，从而实现图结构学习与聚类划分的一步优化。实验在Handwritten、BBC-sport、MSRC_v1和Caltech101-7四个多视图数据集上进行，并采用ACC、NMI和F-score评价性能。结果表明，所提方法在12项指标中获得8项最优。在Handwritten上取得最高NMI，为0.949；在BBC-sport上ACC和F-score分别达到0.971和0.933；在MSRC_v1上ACC和F-score分别达到0.966和0.931；在Caltech101-7上ACC、NMI和F-score分别达到0.711、0.521和0.484，三项指标均为最优。消融实验进一步表明，Mean Shift锚点更新、一致性–互补性分解和拉普拉斯谱迹约束均对性能提升有贡献。在Caltech101-7上，完整模型的ACC、NMI和F-score高于仅使用Mean Shift模块的0.534、0.362和0.348。不同锚点策略对比显示，Mean Shift锚点的三项指标为0.711、0.521和0.484，明显高于K-Means锚点的0.576、0.395和0.456，也高于随机采样锚点的0.308、0.260和0.320。收敛性实验显示，目标函数通常在前5–10次迭代内快速下降，并在20次迭代内趋于稳定。复杂度分析与运行时间实验表明，在固定锚点数和迭代次数时，算法运行时间随样本规模近似线性增长。综上，所提方法能够利用密度信息校准锚点位置，增强二分图对复杂簇结构的表达能力，同时兼顾多视图一致性、互补性与一步聚类优化，在非球形和密度不均数据上表现出较好的聚类效果、稳定性和可扩展性。

针对光伏电站异构多功能清洗机器人集群在多约束条件下的协同任务分配问题，提出了一种基于重叠联盟形成博弈的分布式任务分配方法。首先，构建面向光伏运维的多约束异构机器人集群协同任务优化模型。系统分析异构机器人与多元运维任务的资源适配机理，设计了光伏组件污染等级与机器人清洗能力的匹配机制，建立融合综合资源匹配度、挽回发电损失、运维总成本、最大完工时间和冗余惩罚机制的综合效用函数，该任务分配问题的目标函数构建为最大化联盟总效用，结合工程实际引入任务优先级、任务唯一性与安全距离等约束条件，完成机器人集群运维任务的精细化数学建模，显著提升了机器人与任务间的资源匹配度与运维调度适配性。其次，构建基于双边互利准则的重叠联盟形成博弈框架。该框架将全局组合优化问题转化为分布式联盟划分问题，依托所定义的偏好关系与交换操作，可支持机器人跨联盟动态协作与自主形成重叠联盟结构，进一步提出一种可以描述个体自私逐利与系统全局最优映射关系的双边互利交换准则，显著提升了资源调度灵活性，有效协调了个体理性与系统整体效用；该博弈被证明为势博弈，当机器人最大化自身效用而改变资源分配结构时，目标函数的差异与效用函数的差异是一致的，且博弈框架中至少存在一个纳什均衡即稳定的联盟结构。最后，设计一种融合偏好引力引导与扰动机制的重叠联盟形成算法。算法引入偏好引力机制为机器人选择联盟提供方向性指引，利用边际收益评估机制与提出的双禁忌列表剔除低效联盟、规避无效搜索，结合协同设计的动态资源调整策略与随机扰动机制有效摆脱局部最优；该算法被证明可以在有限次迭代内收敛到T-稳定状态，通过分析其复杂度处于可控范围；最终该算法在求解由任务优化模型与博弈框架所构成的任务分配数学模型时，能够满足异构机器人集群在复杂多元任务协同场景下的任务分配需求，并快速收敛至高质量的纳什均衡解。仿真实验结果表明，本文所提方法在保证全局解质量的前提下，兼备显著的实时性与稳定性。在消融实验中，验证了各改进策略能全面提升算法综合性能；在验证算法解质量与运维指标实验中，相较于基线算法，本文算法挽回发电损失提升了6.63%，运维总成本降低了2.55%，平均作业时间缩短了13.29%；在规模变化下性能对比分析实验中，本文算法在不同机器人与任务数量变化情况下各项指标均为最优；在实时性与稳定性实验中，本文算法平均运行时间不超过6.09s，标准差与Wilcoxon秩和检验具有统计显著性。可制定经济高效的任务分配方案，为光伏电站精细化运维提供了有效技术支撑。

针对点云检索过程中的特征提取过程，主流方法通过层次化局部邻域特征聚合形成全局形状描述符，其对物体结构信息的感知主要依赖于对表面点空间分布的间接推断，缺乏对点云骨架等显式结构先验的直接利用。针对现有点云检索方法在提取全局形状特征时结构信息利用不足的问题，该文提出一种用骨架先验增强结构感知的点云检索网络。该文首先引入点云骨架作为结构先验，通过显式融合与隐式引导双重机制增强点云特征的结构表达能力，并设计自适应特征聚合模块聚合多个尺度特征，从而形成最终的全局描述符。具体而言，该文方法包含两模块。第一，双分支特征融合模块：该模块从输入点云中提取骨架点云，然后通过两个独立的PointNet++分支分别提取原始点云与骨架的多尺度局部特征。在每个尺度上，以骨架特征作为键与值、点云特征作为查询，采用多尺度交叉注意力机制将骨架结构信息加权融合到点云特征中。同时，构造对比学习任务，将裁剪点云与完整骨架组合作为锚点，完整点云与骨架组合作为正样本，批内其他类别样本作为负样本，通过损失隐式引导模型学习结构一致性，形成“显式融合+隐式引导”的双重结构增强机制。第二，设计多尺度局部自适应聚合模块（MVLAAD）：该模块由VLAAD与多尺度聚合增强两部分组成。VLAAD基于轻量级Transformer解码器，以输入点云的局部特征序列为键与值，以初始通用聚类中心为查询，通过多层交叉注意力迭代更新，动态生成适应每个输入样本的个性化聚类中心；再结合动量更新策略融合通用中心与个性化中心，平衡自适应性与稳定性。接着，基于更新后的聚类中心，分别对精炼后的多尺度特征计算软分配权重并聚合残差，生成三个尺度的全局描述符，最后经门控机制增强后输出最终紧凑描述符。此外，具体训练过程中采用动态权重调整策略，综合分类损失、三元组损失和对比损失进行训练。训练初期侧重对比学习，后期转向三元组损失，从而同时强化结构感知与判别性学习。实验结果表明，在ModelNet40数据集上该方法取得82.6%的mAP，较先进方法CF3D提升1.3%。在ShapeNet上达84.6%，优于现有方法。消融实验验证了各模块的有效性：基线Pointnet++的mAP为62.0%，引入该文的设计后模型性能提升至82.6%。轻量化版本参数量降至20.34M，mAP提升至84.7%。鲁棒性实验表明，方法在中等稀疏、低噪声及轻度遮挡条件下表现稳健，但在极端退化条件下性能明显下降。综上所述，该文所提出的骨架先验增强结构感知网络，通过显式融合骨架先验与隐式对比学习引导，解决了现有方法对结构信息利用不足的缺陷；设计的MVLAAD模块通过动态生成个性化聚类中心，实现了对全局描述符判别性的提升。

针对输电线路无人机巡检中异物目标尺度差异大、小目标易漏检、背景干扰强、遮挡普遍以及机载边缘设备算力受限等问题，本文以YOLOv8n为基线，提出面向输电线路异物检测的多分支轻量化算法MBL-YOLO，用于鸟巢、风筝、垃圾和气球等典型异物识别。巡检图像中异物常与导线、绝缘子、杆塔和自然背景相互交叠，目标边界不清，容易导致轻量模型出现定位偏移和置信度不足。该方法的目标是在不显著增加模型复杂度的前提下，提高网络对多尺度异物和复杂背景的表征能力，并满足无人机边缘平台对实时性、低功耗和轻量化的部署需求。 在网络结构上，MBL-YOLO从主干特征提取、跨尺度特征融合和检测头轻量化三个层面改进YOLOv8n。首先，在C2f结构中嵌入混合动态融合模块，构建C2F-MDFB。该模块通过动态核权重机制和多尺度深度可分离卷积分支，自适应调整不同感受野特征的贡献，使网络能够同时关注鸟巢等较大目标、风筝线等细长目标、气球等小尺度目标以及形态不规则垃圾的局部特征；结合残差连接、通道混合和归一化操作，进一步增强低层细节与高层语义之间的信息交互，降低异物边缘模糊或局部遮挡造成的漏检风险。其次，在Neck部分引入加权双向特征金字塔BI-FPN，通过可学习权重融合P3、P4、P5等层级特征，保留浅层特征中的边缘纹理和位置信息，利用深层语义约束抑制导线、杆塔、植被和天空等背景噪声，从而提升小目标定位和复杂背景下的类别判别能力。最后，针对原检测头多尺度独立分支带来的参数重复和推理冗余，设计Detect-LSCD共享卷积检测头，以两层共享卷积替代重复卷积，并采用GroupNorm稳定小批量推理条件下的特征分布，在保持多尺度检测能力的同时降低参数规模和计算开销。 实验基于自建输电线路异物数据集开展。该数据集包含4200张图像和8207个完整标注目标，覆盖山区和城市两类背景，其中鸟巢2103个、风筝2560个、垃圾1648个、气球1896个，训练集、验证集和测试集分别为2940张、840张和420张。在统一训练和测试条件下，MBL-YOLO取得97.5%的Precision、97.1%的Recall、97.3%的mAP50和70.4%的mAP50-95，参数量为2.08M，计算量为5.8 GFLOPs，推理速度达到175.6 FPS。与YOLOv8n相比，mAP50-95提高1.9个百分点，参数量和计算量分别降低约30.9%和29.3%，FPS由168.6提升至175.6。与YOLOv9t、YOLOv10n、YOLOv11n、YOLOv12n、Gold-YOLO、YOLO-world、D-Fine-N和DEIM-D-Fine-N相比，MBL-YOLO在最低计算量和较低参数规模下取得最高mAP50-95，说明其性能提升并非依赖模型堆叠。消融实验表明，C2F-MDFB、BI-FPN和Detect-LSCD分别改善动态表征、加权融合和轻量预测，三者联合具有互补作用。为验证跨场景泛化能力，本文在VisDrone2019公开数据集上测试，MBL-YOLO的Precision、Recall、mAP50和mAP50-95分别为41.7%、31.1%、31.2%和18.6%，较YOLOv8n分别提升4.3、5.5、4.3和2.1个百分点。可视化结果显示，模型在小尺度异物、多类别异物、密集背景和遮挡场景中能够减少漏检、误检和冗余框，体现出较好的特征保持与场景迁移能力。 为验证工程可用性，本文将MBL-YOLO部署到搭载NVIDIA Jetson TX2和ZED2双目相机的无人机平台。模型经ONNX导出后，基于TensorRT 8.2进行FP16半精度量化与算子融合，生成TX2原生推理引擎。在输入分辨率640×640、批大小为1和TX2 Max-P模式下，MBL-YOLO端到端单帧延迟为38.5 ms，整体帧率稳定在26 FPS；同等条件下YOLOv8n为55.1 ms和18 FPS，实际部署速度提升约44.4%。TX2与ZED2协同工作时平均功耗约9.2 W，占无人机飞行功耗不足3%。综合结果表明，MBL-YOLO能够在降低参数量和计算量的同时提升检测精度、召回能力和实时性能，适合部署于无人机边缘巡检平台，可为输电线路异物自动识别、异常告警和智能运维提供兼顾准确性、效率与工程落地性的检测方案，也为后续多模态感知和在线巡检系统集成奠定基础。

装备文档知识获取与利用是装备分析与辅助决策的重要支撑。然而，多源异构装备文档普遍存在版式结构复杂、跨模态混排显著、公式表格密集及语义表达离散等问题，导致传统方法在复杂结构还原、异质内容统一解析及知识驱动问答方面存在不足。针对上述问题，提出一种基于大语言模型的装备文档知识解析与决策增强方法 EKADE。该方法构建“全局布局分析—局部内容识别”的双阶段解耦框架：首先从页面全局视角识别文本段落、图像、公式和表格等要素的空间分布、类别属性及层级关系；随后针对局部区域开展文本、公式与表格的精细化解析与结构重建，并将逐页结果重组为统一的标准化 Markdown 文档，在此基础上构建可检索的结构化知识片段库，结合检索增强生成机制实现面向装备性能认知、战术运用分析及规范条款理解等任务的知识驱动问答。实验结果表明，该方法在页面布局解析任务中的平均 F1 为 86.0%，公式识别任务中的字符检测匹配指标 CDM 为 86.7%，表格识别任务中的树编辑距离相似度指标 TEDS 为 90.7%；在决策问答任务中，Recall、BLEU、ROUGE-L 与准确率等指标均优于对比方法。结果表明，EKADE能够有效提升复杂装备文档的结构化解析能力、知识组织能力与问答推理准确性，为装备知识的智能建模与决策支持提供了有效方法。

为解决现有语音-人脸跨模态匹配方法存在特征通道重要性建模不足、对困难样本区分不明显的问题。提出一种融合多尺度通道注意力机制与对比学习增强策略的语音-人脸匹配方法。在自适应身份权重中心框架的基础上，构建了主-细-粗三尺度并行的通道注意力模块，并结合显式与隐式的统计融合方式，增强梅尔频谱图和人脸特征图的关键通道响应；此外在交叉熵损失和跨模态N-pair损失基础上，引入双向InfoNCE对比损失，并与自适应身份权重联合优化，从而提高困难样本的类间分离度。在VoxCeleb与VGGFace身份重叠数据集上的大量实验表明，在跨模态验证、匹配和检索任务中均显著优于SVHF、DIMNet等主流方法，相较于基线模型，语音到人脸验证AUC提升2.1%，人脸到语音提升2.4%。此外，消融实验进一步验证了多尺度通道注意力机制和对比学习损失的必要性与互补性。

真实临床问诊场景中，患者主诉通常以语音形式表达，并由医生记录为文本。医生需要综合利用患者口述语音及其文本记录对症状进行判断和分类，从而为后续临床决策提供依据。然而，该任务仍面临一定挑战，语音信息容易受到环境噪声和个体发音差异的影响，文本记录又难以体现语速、停顿、音调等语音表达特征。同时，患者主诉通常具有口语化、主观性和非结构化特点，不同症状类别之间也可能存在语义边界模糊的问题，导致仅依赖单一模态难以获得理想的分类效果。针对上述问题，提出一种基于动态权重决策融合的多模态症状分类方法（DWDF-MSC），以充分利用文本与语音信息的互补性，提升症状分类的准确性和鲁棒性。 该方法主要包括多模态特征提取、初步分类和自适应门控决策融合三个阶段。在多模态特征提取阶段，分别构建文本分支和语音分支，对患者主诉文本和语音数据进行并行建模。文本分支基于临床预训练语言模型Bio_ClinicalBERT同时提取全局语义特征和局部词汇特征，并通过文本异构特征融合模块对两者进行融合，从而增强模型对主诉整体语义和局部症状关键词的表征能力。语音分支利用音频频谱图Transformer提取语音中的时序声学表示，以补充文本记录中难以体现的语音表达信息。在初步分类阶段，文本分支和语音分支分别通过各自的分类模块输出初步分类结果，使两种模态先独立完成症状判断。在最终分类阶段，设计自适应门控决策融合策略，根据不同样本的特征动态生成融合权重，对文本分支和语音分支的初步分类结果进行加权融合，得到最终症状分类结果。与简单特征拼接或固定权重融合不同，该策略能够根据样本差异自适应调整两种模态在最终决策中的贡献，从而增强具有判别力的信息对分类结果的影响，提高模型在复杂主诉场景下的分类稳定性。 在公共医疗数据集上的实验结果表明，DWDF-MSC在Accuracy、Precision和F1-Score上分别达到82.43%、87.44%和81.52%，各项指标均优于多数主流基准模型。多模态融合方案对比进一步证明，相较于特征融合，所提出的动态权重决策融合能够取得更好的分类效果。消融实验中，完整DWDF-MSC相较于仅采用文本异构特征融合的方案，在Accuracy和F1-Score上的提升幅度分别为4.25%和7.60%，验证了语音分支和自适应门控决策融合的有效性。McNemar检验结果显示，DWDF-MSC与多种对比方法之间的p-value小于0.0001，说明其与这些对比方法之间的分类结果差异具有统计显著性。抗噪性能实验结果说明，DWDF-MSC在不同信噪比条件下仍能保持较稳定的分类表现。综上所述，DWDF-MSC能够有效融合患者主诉中的文本与语音信息，提升模型分类性能，为面向患者主诉的智能症状分类提供了一种可行的多模态方法。

文物三维重建是文化遗产数字化保护、虚拟展示与数字修复的重要技术支撑。相比结构光扫描、激光扫描等依赖专业设备和受控环境的建模方式，基于多视角图像的重建方法具有采集成本低、操作灵活、部署门槛低等特点，更适用于博物馆展陈空间中的文物数字化采集。真实馆藏场景通常存在背景复杂、玻璃反射、光照不均、局部遮挡和拍摄视角受限等问题，目标文物与展台、墙面及其他背景区域在图像中相互混杂。原始三维高斯泼溅（3D Gaussian Splatting，3DGS）虽能通过显式高斯核实现高效训练与实时渲染，但其主要面向完整场景建模，缺乏面向文物主体的语义聚焦机制，易使冗余背景点云和非目标高斯参与优化，进而增加显存占用、训练耗时和模型规模，并在主体边界处产生异常拉伸和伪影，影响文物几何形态与纹理细节的稳定表达。 为提升复杂馆藏环境下文物主体重建的准确性与效率，提出基于分割先验与3DGS的高保真三维重建方法，将二维主体分割结果引入三维高斯建模过程。利用Segment Anything Model生成多视角图像中的文物主体掩码，并结合SfM估计的相机位姿与稀疏点云，将三维点投影至对应视角的掩码平面，依据多视图语义一致性筛除稳定落入背景区域的点云，从初始化阶段获得更加纯净、紧凑的主体点云。高斯优化过程中引入掩码引导约束，将颜色重建损失限制于文物目标区域，使参数更新集中于主体几何结构、表面纹理和局部细节，降低背景区域对优化过程的干扰。面向文物轮廓处采样不足和深度不连续引起的高斯椭球异常拉伸问题，设计基于几何形态约束的边缘裁剪策略，通过长短轴比判定并删除边界附近形态异常的高斯核，抑制“黑刺”伪影和边缘噪声扩散，增强主体边界的连续性、紧致性和视觉稳定性。 在Tanks&Temples、Mip-NeRF 360、LERF、LLFF等公共数据集以及自建馆藏文物数据集上的实验结果表明，该方法在重建精度、结构一致性和感知质量方面均具有较好的综合性能。公共数据集上的平均PSNR为32.99 dB，平均SSIM为0.977，平均LPIPS为0.026；自建文物数据集上的平均PSNR为35.48 dB，平均SSIM为0.983，平均LPIPS为0.027。与原始3DGS及LightGaussian、3DGSR、2DGS、Perceptual-GS、FCGS等方法相比，该方法能够在复杂背景条件下获得更加清晰的主体轮廓和更加稳定的纹理表达。资源消耗对比与消融实验表明，分割先验引导的点云过滤和边缘裁剪能够协同减少背景冗余高斯并改善轮廓伪影，在保持重建质量的同时显著降低训练成本。相较于原始3DGS，训练时间缩短约60%，显存占用降低约40%，模型体积减少约50%，为非受控采集条件下馆藏文物的低成本、高效率和高保真三维重建提供了可行方案。

联邦学习作为一种分布式学习架构，允许客户端在不共享本地数据的前提下进行全局模型训练，能够有效平衡隐私与效率的矛盾，但其分布式特性也使其易受数据投毒攻击。恶意客户端通过篡改本地训练数据，向全局模型注入有偏差或错误的更新，从而达到降低模型准确率或在特定输入下操控模型行为的目的，其中标签反转攻击作为数据投毒攻击中的经典方法，实现简单、计算成本低，只需修改本地数据标签而无需修改特征，难以被常规统计分析发现，却能够有效降低全局模型准确率或完成后门植入。为了提高联邦学习中全局模型准确度和系统整体安全性，常常在全局模型聚合前，从服务器端筛查过滤各本地客户端上传的模型更新参数，准确识别恶意客户端行为，并进行鲁棒性聚合来抵御数据投毒攻击。针对上述问题，本文提出一种面向联邦学习的标签翻转攻击防御方法（Label Flipping Attack Defense Algorithm, LFADA），旨在提升模型在面对数据投毒时的准确度与安全性。LFADA使用对数似然得分机制，首先对各客户端模型更新后的参数进行展平、降维，从而构建样本集。其次，使用高斯混合模型（Gaussian Mixture Model，GMM）对处理后的更新参数样本集进行建模。然后，通过对数似然得分（Log-Likelihood Score，LLS）对每个客户端的更新进行概率量化，得出每个客户端的“正常性”得分。接着，基于当前参数集合根据要求的分位数设置过滤阈值得分，认为低于该得分的客户端为恶意客户端，并剔除所有恶意客户端的更新参数，只对通过筛选的客户端更新参数进行聚合更新，从而实现对客户端更新的无监督异常检测与过滤和全局模型的安全聚合。本文分别在MNIST数据集、Fashion-MNIST数据集、CIFAR-10数据集上进行实验，统一设置包含三个卷积块的卷积神经网络（Convolutional Neural Network，CNN）作为基础模型，分别进行标签翻转攻击。模型准确率和攻击成功率的实验表明，在恶意客户端比例为0.1、0.2、0.3、0.5时，LFADA能够有效抵御标签翻转攻击，且在恶意客户端比例为0.5这种高比例恶意客户端时，LFADA表现依然较好。与Multi-Krum、Median、Foolsgold、Lfighter等9种主流算法相比，使用LFADA的模型准确度平均提高3.28%、3.38%和2.62%，同时攻击成功率整体保持较低比例，其中在MNIST、Fashion-MNIST数据集上均低于3%，在CIFAR-10数据集上也显著低于多数方法，能够与无投毒攻击环境下联邦平均FedAvg方案模型的性能保持相近。在算法稳定性方面，使用LFADA的联邦学习整体过程能够在整个训练阶段保持整体稳定，尤其在较为复杂的Fashion-MNIST和CIFAR-10数据集上，未出现大幅度上下波动，整体幅度可控，较其他算法明显稳定。时间开销实验表明，与对比算法相比，在保证相同准确度和攻击成功率的前提下，LFADA的时间开销显著降低。

弱监督语义分割通常利用类激活图（Class Activation Maps, CAMs）生成伪标签以训练分割网络。然而，由于CAM源于图像级分类任务，其响应往往集中在目标显著区域，导致前景激活不完整；同时，CAM在目标边界及复杂结构区域的响应不稳定，易引入伪标签噪声，从而限制分割性能的提升。针对上述问题，提出了一种语义不确定性区域增强的单阶段弱监督语义分割方法。首先，设计基于语义不确定性区域的对比学习模块，通过融合多种不确定性信息对CAM中语义不确定性区域进行细粒度建模，以增强前景激活完整性。其次，引入动态自适应高斯去噪模块，通过动态阈值调整与高斯混合去噪策略，对伪标签噪声进行自适应识别与逐步去除，从而抑制伪标签噪声。实验结果表明，在仅使用图像级标签监督的条件下，所提方法在PASCAL VOC 2012验证集和测试集上mIoU分别达到72.2%和72.8%，在MS COCO 2014数据集上达到42.5%。消融实验进一步表明，单独引入语义不确定性区域对比学习模块与动态自适应高斯去噪模块后，mIoU分别提升1.6%与2.5%，验证了两模块在增强前景完整性与抑制伪标签噪声的有效性，从而提升了模型整体分割性能。

小样本目标检测(Few-Shot Object Detection, FSOD)旨在利用少量标注样本检测新类目标。现有基于元学习的FSOD方法虽通过查询与支持分支协同提升了性能，但仍面临三大瓶颈：一是固定的多尺度特征融合策略忽略了不同分辨率特征间的重要性差异，难以应对多尺度目标；二是基于简单平均池化的类级原型生成方式难以捕捉类内复杂结构，且易受噪声干扰；三是支持集语义匮乏导致查询特征与原型交互时易产生语义偏差，进而引发误检或漏检。针对上述挑战，本文提出了一种基于特征融合与语义增强(Feature Fusion and Semantic Enhancement, FFSE)的小样本目标检测模型。FFSE模型以Meta R-CNN为基础架构，通过设计三个协同互补的核心功能组件，从特征融合、原型表征及特征调制三个维度对小样本目标检测性能进行提升。首先，动态权重特征融合(Dynamic Weight based Feature Fusion, DWFF)模块通过自适应地为不同尺度特征分配权重，有效整合了局部纹理细节与全局语义信息，显著增强了模型对多尺度目标的感知能力。其次，原型图神经网络(Prototype Graph Network, PGN)机制为提升类级原型的质量，利用图神经网络的消息传递机制，实现了对原型的高阶语义增强。经PGN机制处理后的精炼原型具有更强的判别力和鲁棒性，能够更准确地代表目标类别的特征分布。最后，支持集驱动的特征调制(Feature Modulation Driven by Support set, FMDS)模块借鉴特征线性调制的思想，首先在内部对融合后的查询特征进行了多感受野分解，随后，利用精炼原型驱动生成动态缩放因子和偏移因子，通过仿射变换对查询特征进行通道级调制。缩放因子负责放大目标相关特征，而偏移因子则引导查询特征分布向支持集语义空间靠拢，从而有效校正了因类别信息不足引起的语义偏差，增强了目标的显著性。首先，所提方法FFSE在FSOD领域的PASCAL VOC和MS COCO基准数据集上进行了定量评估。在PASCAL VOC数据集上，FFSE在新类三种不同划分下的表现均优于基线方法，在新类三种不同划分的5-shot和10-shot设置下，FFSE模型的nAP50较基线方法提升了至少2.2%；在更复杂的MS COCO数据集上，FFSE模型的nAP较基线方法提升了至少5%；在两个数据集上运行多次实验的均值与标准差，与其他方法相比，所提FFSE模型能够在提升精度的同时，保持了较低的性能波动，表现出优异的鲁棒性。另外，对所提方法FFSE在PASCAL VOC数据集上进行了定性分析，并与其他相关方法进行了比较，实验结果进一步表明FFSE模型在面对复杂场景中的严重遮挡、多变微小目标以及高相似度背景干扰时，能够更准确地锁定并识别目标实例，大幅降低了跨类别的误检与漏检。综上，实验结果表明了所提FFSE模型的有效性。未来，研究工作将致力于探索更好的注意力机制，从更细粒度的像素层级有效抑制背景噪声的干扰，进一步提升小样本目标检测性能。

口腔疾病严重影响民众健康，及时且有效的诊断与治疗对降低口腔疾病恶化风险具有重要意义。传统口腔疾病诊断依赖经验丰富的医生对影像资料进行人工判读，存在诊断耗时较长以及边界模糊病症易漏诊等问题，因此需要借助图像分割技术辅助临床牙齿病症的诊断。口腔全景片能够在单幅图像中呈现牙齿整体形态和颌骨结构，是临床牙科诊断中常用的医学影像资料。然而，由于口腔全景片中普遍存在灰度对比度低、病症边界模糊、噪声和伪影干扰等问题，龋齿、牙根尖周炎、根分叉病变和阻生齿等多类别牙齿病症分割仍面临较大挑战。针对上述问题，提出一种面向口腔全景片多类别牙齿病症分割网络Teeth-Net。该网络以TransUNet结构为基础，并在特征提取、特征重建和跳跃连接三个关键阶段进行针对性改进。在特征提取阶段引入跨尺度金字塔融合模块(Cross-Scale Pyramid Fusion Module, CPFM)优化原有编码器，通过不同感受野的并行群卷积提取多尺度特征，并利用跨尺度注意力机制建模不同尺度特征之间的相关性，从而增强模型对细小病症的捕捉能力，缓解细节特征丢失；在特征重建阶段设计并行多核池化模块(Parallel Multi-Kernel Pooling Module, PMKP)，通过多尺度最大池化与平均池化并行提取局部细节和全局上下文信息，并经过通道压缩与特征融合为解码器提供更丰富的语义信息；在各级跳跃连接处嵌入空域-通道协同注意力模块(Spatial-Channel Collaborative Attention, SCCA)，通过空间与通道注意力机制对编码器传递的浅层特征进行自适应筛选，抑制背景噪声的干扰，提高编码器与解码器之间的跨层特征融合质量。在自建口腔全景片数据集上进行对比实验与消融实验。实验结果表明，Teeth-Net的平均Dice系数、豪斯多夫距离（Hausdorff Distance, HD）、精确率和召回率分别达到84.22%、18.546mm、94.13%和95.96%。与基线模型TransUNet相比，平均Dice系数、精确率和召回率分别提升3.34、2.89和4.21个百分点，HD值降低6.869mm，表明该方法在整体分割精度、边界一致性和病症检出能力方面均取得明显改善。为进一步评估模型的泛化能力与跨数据集适应性，在两个公开来源数据集上开展外部测试。在重新标注的MICCAI 2023 STS外部测试集上，Teeth-Net的平均Dice系数、HD值、精确率和召回率分别为80.26%、19.520mm、92.58%和93.41%。与基线模型TransUNet相比，平均Dice系数、精确率和召回率分别提升3.32、4.33和3.89个百分点，HD值降低6.705mm。在公开多中心牙科全景影像数据集(Multi-Center Dental Panoramic Radiography Image, MCDP)上，Teeth-Net的平均Dice系数、HD值、精确率和召回率分别达到88.99%、12.126mm、90.61%和92.45%。与基线模型TransUNet相比，平均Dice系数、精确率和召回率分别提升3.83、4.03和3.33个百分点，HD值降低7.222mm。综合自建数据集和两组外部测试结果可知，Teeth-Net相较于基线模型TransUNet在不同数据来源和成像条件下均表现出更好的分割精度、边界刻画能力和跨域适应性，可为口腔全景片中多类别牙齿病症的辅助诊断提供有效的技术支持。

图像隐写通过将秘密信息嵌入普通载体图像实现隐蔽通信，是信息安全与多媒体安全领域的重要研究方向。随着社交媒体平台压缩、格式转换、图像重采样以及主动隐写分析技术的发展，传统图像隐写方法面临更加复杂的应用环境。同时，现有深度隐写方法多集中于提升视觉不可感知性和嵌入容量，对提取后消息的内容机密性、完整性认证、误码容忍能力关注不足，导致隐蔽传输、内容保护与鲁棒恢复之间仍难以形成统一机制。针对上述问题，本文提出一种信息加密驱动的高安全性图像隐写模型，将认证加密、纠错编码、密钥控制置乱与深度隐写网络协同设计，以实现复杂信道下秘密消息的安全、隐蔽和可靠传输。载荷生成层面，构建“加密-纠错-置乱”主动防御体系：利用HKDF-SHA256派生加密密钥和置乱密钥，采用AES-GCM认证加密，生成兼具机密性与完整性校验能力的密文载荷；同时引入Reed-Solomon纠错编码，为隐写信道提供符号级误码修复能力。当反置乱后的码字符号错误数不超过RS纠错半径时，系统能够恢复正确数据包；若错误超出纠错能力或认证失败，则终止解密，避免错误明文输出。进一步采用CSPRNG驱动的位置置乱与比特置乱策略，打散载荷空间相关性和统计偏置，并生成稀疏位图控制嵌入位置，降低可被隐写分析器利用的结构线索。隐写嵌入层面，设计融合MS-DiSpAC与ViT的混合U-Net架构。MS-DiSpAC通过多尺度卷积提取纹理、边缘和局部结构信息，并利用膨胀空间注意力在保持分辨率的同时扩大感受野，引导高熵载荷嵌入复杂纹理区域；ViT补充全局上下文建模能力，弥补卷积结构对长距离依赖表达不足。网络输出残差扰动图和扰动强度图，通过加权残差调制生成隐写图像，在较高有效载荷下兼顾图像保真度与恢复稳定性。最后，引入WGAN判别器并采用Wasserstein距离进行对抗分布对齐，使隐写图像统计分布贴近载体图像，降低嵌入痕迹被SRNet、ZhuNet等隐写分析器捕获的概率。为验证方法有效性，本文在ImageNet、COCO和Visual Genome数据集上开展性能、泛化、载荷白化、鲁棒性及消融实验，并采用PSNR、MS-SSIM、LPIPS、BER、ESR、ACC.1、ACC.2和Dacc等指标评价。实验结果表明，在0.4bpp有效载荷条件下，本文方法在ImageNet上取得38.65dB的PSNR、0.975的MS-SSIM和0.036的LPIPS，提取端原始比特恢复准确率达到99.14%。载荷白化实验显示，原始消息经AES-GCM加密、RS编码和双重置乱后，单比特熵由0.8932提升至0.9998，平均绝对自相关由0.1285降至0.0028，最终载荷接近随机序列。与代表性方法相比，本文模型在视觉保真、信息恢复和抗隐写分析能力之间取得更优平衡；复杂失真条件下仍能在RS纠错能力范围内保持较高恢复成功率，为真实网络环境下的高安全图像隐写提供了可行方案。

高速公路节假日期间的交通流具有显著的时空异质性，对起讫点（OD）流量进行精准短时预测是提升路网管理智能化水平的关键技术。针对OD数据的高维稀疏性、复杂时空依赖性及节假日模式偏移等问题，本文提出一种基于时空融合与节假日修正的高速公路OD流量短时预测方法，并构建双阶段时空融合网络（DSTF）模型。首先设计一种多源数据融合的时空特征提取架构：利用双分支图注意力网络（GAT）分别从OD层面与入口、出口流量层面提取并融合宏观出行关联与微观节点状态依赖的空间特征；进而通过门控融合的时间卷积网络（TCN）与卷积-长短期记忆网络（CNN-LSTM）组合模块，协同捕捉交通流的短时波动与长周期趋势；同时引入交叉注意力（Cross-Attention）机制实现入口流量、出口流量与基础OD流量的多任务协同预测。为适配节假日特殊出行模式，模型采用两阶段训练策略：第一阶段利用数据充足、模式稳定的非节假日数据训练基础预测模型；第二阶段引入轻量级的序列到序列（Seq2Seq）节假日修正模块，专注于学习节假日相对于基础模式的偏移量，对基础OD流量预测值进行自适应微调。基于真实高速公路收费数据的实验结果表明，所提DSTF模型在节假日OD短时预测任务中，在多项评价指标上均显著优于多种基线模型，在1步预测中MAE和RMSE较最优基线模型STGCN分别降低了11.7%和12.2%，展现了更高的预测精度、更强的鲁棒性以及更优秀的场景适应性。

超图神经网络（Hypergraph Neural Network, HGNN）因其在建模高阶交互与融合多源异构信息方面的优势，已成为推荐系统领域的研究热点。与传统的图神经网络（Graph Neural Network, GNN）仅能建模二元关系不同，HGNN通过超边（Hyperedge）结构可以支持任意数量节点之间的高阶关联建模，能够更完整地保留推荐系统中用户—物品交互的多对多、群组化及多模态等复杂语义信息。本文首先从数据输入、超图构建、嵌入学习与推荐输出四个方面给出了HGNN推荐的主要流程；进而从构图策略与特征传播机制两个维度，系统分析了HGNN在序列推荐、多行为推荐、社交推荐、多模态推荐及群组推荐等场景中的研究进展。在HGNN序列推荐研究中，探讨了基于会话交互的局部关联建模、全局共现与跨会话协作建模及多尺度时空动态建模等构图策略，分析了结合超图注意力去噪与自监督对比学习增强的时序特征传播机制。该构图策略与特征传播机制有助于突破图神经网络的“邻居限制”，能更精准地捕捉用户的跳跃性兴趣与全局依赖。在HGNN多行为推荐研究中，分析了特定行为、统一行为及时序行为的超图建模策略，探讨了级联依赖传播、行为感知注意力及跨视图对比学习去噪等特征传播机制，在缓解目标行为稀疏性、促进跨行为语义对齐与知识迁移方面展现出明显优势。在HGNN社交推荐研究中，分析了同质性双视图、异质性语义及隐私保护等构图方法，探讨了融合信任感知注意力与双通道门控融合的传播机制，对拓宽传统二元社交限制、识别复杂群体影响力及高阶社交拓扑结构具有重要意义。在HGNN多模态推荐研究中，探讨了模态分离、协同语义关联及多模态超图优化等构图策略，分析了模态特定卷积聚合与跨模态对比学习对齐的传播机制，其优势在于能显式过滤模态噪声、支持统一语义空间内的高阶推理，从而有助于提升语义理解能力。在HGNN群组推荐研究中，分析了多视图层级对齐、群组结构关联优化及三元关系建模等构图策略，探讨了跨层级反馈与注意力聚合的传播机制，该方法在结构上能更好契合群组的“包含”逻辑，并为缓解偶发群组冷启动问题提供了有效途径。在此基础上，论文指出了现有HGNN推荐研究中存在的动态超图模型难以满足实时推荐的需求、高阶聚合过程中存在不可忽视的信息分辨率损失、超图伪超边结构引入的噪声会干扰模型的鲁棒性、超图计算与存储扩展性问题限制了其在大规模场景中的应用，以及推荐结果的可解释性与公平性不足等问题。针对上述问题，本文从基于生成式自监督解耦的表示学习、轻量化高效训练与推理设计、因果推断驱动的鲁棒性增强、场景感知的多模态融合，以及大语言模型协同增强等多个方面，对HGNN推荐的未来主要研究趋势进行了系统展望，以期为后续研究者提供一些有价值的参考与启发。

视频虚拟试穿技术旨在将目标服装精准地迁移至视频中的人物主体，同时保持人物动作与服装外观的高度一致性，是电子商务、虚拟现实及短视频创作等领域的核心技术。然而，现有的技术框架在生成质量与计算效率的权衡上仍面临巨大挑战。传统的基于生成对抗网络（GAN）的方法往往依赖光流估计进行服装变形，在处理复杂运动时极易产生纹理失真和视觉伪影。近年来，基于U-Net的扩散模型通过引入服装参考分支实现了高保真生成，但此类双分支架构在迁移至参数量更庞大、表征能力更强的扩散Transformer（DiT）主干网络时，会引入巨大的参数冗余与显存开销。此外，现有方法通常在每一帧去噪过程中重复注入静态服装特征，这不仅显著加剧了计算负担，还因为静态特征缺乏天然的时序关联，导致模型在处理非刚性形变时难以维持时空连贯性，产生严重的闪烁现象。针对上述DiT架构在视频虚拟试穿任务中的适应性、训练效率及资源消耗挑战，本研究提出了一种名为OIE（Once is Enough）的轻量化视频虚拟试穿框架。OIE框架采用了首帧引导、单次注入的新型单分支策略，将服装编辑与时序生成任务解耦。首先，在服装外观注入阶段，利用预训练的高保真图像虚拟试穿模型Fitdit对视频初始帧进行精确编辑，获取集成细粒度服装纹理的结果。其次，为了最大限度保留DiT模型的时序先验，仅将编辑后的首帧作为潜在空间特征序列的起始token嵌入到主干网络中，避免了传统双分支架构中密集的跨分支特征交互模块，实现了主干网络架构的零修改。此外，为解决人体运动导致的背景布局信息丢失，本方法设计了一个轻量级背景编码器，通过掩码引导器平滑地将背景信息累加至主干特征中。最后，在微调阶段，将低秩自适应（LoRA）技术应用于DiT的所有自注意力、交叉注意力及前馈网络模块，以极低的可训练参数量实现了对大规模参数模型的动态调节。实验在ViViD和VVT数据集上进行，定量评估结果显示：在效率方面，OIE仅引入了0.50%的额外参数开销，且FLOPs和FPS几乎无显著变化，表现大幅优于MagicTryOn（参数增幅15.11%）和ViViD（参数增幅157.10%）等双分支方法。在质量指标方面，OIE在ViViD数据集的配对（paired）和非配对（unpaired）设置下均取得了较好的视频质量评分，其中VFIDp达到9.3983，VFIDu达到17.0831，显著领先于现有主流方法。消融实验证实，高质量的首帧引导能够有效抑制生成初期的错误产生，SSIM指标可提升至0.8466。OIE框架通过解耦策略有效解决了DiT架构在视频生成中的计算负担问题，实现了服装保真度、时序连贯性与计算效率的卓越平衡。该方法证明了在单分支架构下利用强大的时序先验知识可替代高频次的特征注入，为高分辨率、实时化的视频编辑任务提供了极具参考价值的轻量化路径。

钢铁表面缺陷的各向异性纹理特征显著，类内差异大，现有实时检测方法在特征金字塔网络融合阶段对此类方向性局部纹理的感知能力普遍不足。针对这一问题，以RT-DETR为基础框架，提出面向工业表面缺陷检测的方向感知异构卷积特征增强方法，包含三项核心设计：（1）提出方向感知稀疏卷积核DASC（Direction-Aware Sparse Convolution），将通道按方向分组并施加固定稀疏空间掩码，在FPN标准通道配置（C=256）下计算量约为等规格标准卷积的11.5%，可并行感知右、左、下、上及中心5个方向的局部纹理；（2）构建交互瓶颈DIR（Direction-aware Interaction and Refinement），采用扩展—激活—压缩的双层DASC结构，实现通道间方向特征的层次化融合，搭建LFEC3-RT（Lightweight Feature Enhancement module with Cross-stage 3 modules for RT-DETR）特征增强模块；（3）提出跨尺度特征金字塔一致性部署策略CFPD（Cross-scale FPN Consistent Deployment），将LFEC3-RT全局覆盖特征金字塔4个融合位置，消除选择性部署引起的跨尺度特征风格不一致现象。在NEU和GC10-DET两个钢铁表面缺陷基准上的实验表明：NEU上mAP@0.5为76.3%（较基线RT-DETR-R18提升2.2个百分点），GC10-DET上为64.4%（提升3.3个百分点），与YOLOv11m等主流方法性能相当或更优，计算量仅56.0 GFLOPs，参数量19.8M，在检测精度与计算效率间实现良好平衡。消融实验表明，方向数由1增至5时mAP从74.4%提升至76.3%，扩展比λ=4为最优，CFPD全局部署较选择性部署提升0.9%。

大语言模型参数规模的激增与边缘终端受限的物理资源间存在深刻的结构性矛盾，制约了其规模化落地。传统的云端集中式推理高度依赖网络传输，面临较高通信延迟，难以满足自动驾驶、智能医疗等场景对极低迟延与严格数据隐私的双重诉求。然而，边缘物理硬件涵盖从微控制器到边缘网关，具有极大的异构性，云侧通用压缩方案难以直接平移。为此，本文立足于边缘设备的异构物理约束，系统性地综述了面向边缘侧的大模型高效压缩与软硬件协同部署技术体系。 首先，本文剖析了模型量化、参数剪枝与知识蒸馏三大核心压缩技术在边缘场景下的底层机制。量化方面，训练后量化虽具备部署敏捷性，但面临大语言模型长尾激活异常导致的表征坍塌难题；量化感知训练虽具一定鲁棒性，却受制于边缘重训算力匮乏的瓶颈。剪枝方面，本文论证了结构化剪枝在受限访存带宽硬件上的实际能效优势，指出非结构化剪枝的高理论压缩率易被通用边缘芯片的索引寻址开销所抵消。蒸馏方面，传统浅层参数对齐在跨越教师与边缘学生模型间的容量鸿沟时，存在特征丢失与偏见放大风险。综合来看，单一压缩技术在极端约束下已呈现出明显的边际收益递减效应。 其次，为缓解单一技术的性能瓶颈，本文归纳了受控于模型架构与物理场景双重驱动的多级混合压缩范式。系统梳理了三类核心优化链路：追求较高物理压缩率的串行流水线策略，适配边缘网关的实时推理；面向能效与精度严格折中的深度耦合联合优化流，将量化、剪枝与低秩分解置于同一框架内同步更新，适配功耗受限的移动终端；以及面向大参数模型部署的蒸馏驱动机制，利用教师先验引导结构重塑与量化。该多级范式有效拓展了模型规模、计算功耗与保真度之间的多维权衡空间。 进一步地，面对跨度极大的算力与能耗阶梯，本文构建了“系统-模型-算子-指令”四层软硬件协同设计机制。明确指出协同优化重心需依物理基座约束进行动态转移：系统级侧重云边环境的资源感知调度与任务分发；模型级依赖硬件感知架构搜索实现结构自适应；算子级推进跨层融合与访存局部性重构；指令级则聚焦特定微架构（如RISC-V）的定制扩展指令，以精准控制底层能耗。结合模型转换、编译重构与内存管理（如SwapNet）的全链条部署流程，该机制实现了压缩算法向底层物理执行的有效映射，提升了异构算力的综合利用效率。 最后，本文前瞻性地指出了边缘智能轻量化领域的未来研究挑战。强调超低位宽（4bit及以下）的鲁棒性补偿机制、硬件自适应动态半结构化剪枝，以及对大模型深层逻辑推理的有效知识转移，是克服当前轻量化瓶颈的核心方向。同时，亟需依托深度学习编译器构建硬件无感的统一工具链，消除碎片化异构设备的部署壁垒。本文通过体系化的技术梳理，为发展低延迟且强隐私的边缘智能生态提供了坚实的理论支撑与参考指南。

针对机器学习即服务（MLaaS）黑盒场景下后门防御部署困难的问题，本文提出一种仅需自然图像统计先验的自适应图像预处理防御框架。该框架通过对输入图像进行多维度特征分析，构建后门风险量化指标；根据风险等级,动态选择并组合压缩-重建、几何变换、颜色扰动及动态随机序列等多层次处理操作，以破坏潜在后门触发器的激活条件，并引入质量反馈机制平衡防御效果与视觉可用性。在GTSRB、CIFAR-10和MINI-ImageNet数据集上的实验表明，面对BadNets、Blended、WaNet、反射攻击和WaveAttack五种涵盖显式补丁、全局混合、几何扭曲、物理反射及频域扰动的代表性攻击进行了评估，本方法在保持模型正常分类性能（平均准确率下降不超过3.5%）的同时，将攻击成功率平均降至10%以下，其中对WaveAttack攻击的抑制效果显著，成功率最低可降至2.38%。消融实验证实自适应策略与质量反馈机制对性能提升的关键作用，且在三个规模各异的数据集上均表现稳定，显示出良好的通用性。该研究为MLaaS黑盒服务提供了一种高效、实用的自适应后门防御新方案。

遥感图像变化检测旨在通过对比分析双时相影像包含的时空演变信息，精准定位地表覆盖的变化情况，已成为国土资源动态监测、城市扩张评估及灾害应急响应等领域的核心任务。然而，受复杂地形干扰、光照条件差异、季节植被更替以及传感器成像噪声等多重因素影响，变化区域常常呈现尺度跨度大、空间分布离散以及边界模糊等特性。现有变化检测模型存在对多尺度信息利用不充分以及深层全局语义关联提取不充分的问题，模型难以有效区分真实地表演变与伪变化，制约了其在开放场景下的判别精度。针对上述局限，提出一种面向遥感图像变化检测的多级损失辅助孪生网络（Multi-level loss-assisted Siamese-Network，MLLA_SiaNet）。该模型采用权值共享孪生架构分别提取双时相图像的多维特征，通过多级差分编码器生成层次化特征图。为了突破传统差分方法的线性局限，引入多角度差异表示策略并耦合通道-空间混合注意力机制，设计差分融合模块（Differential Fusion Module，DFM）获取高质量差异特征，实现背景干扰的自适应抑制与真实变化特征的精准聚焦。为了弥补全局语义缺失，将空间池化金字塔与高斯金字塔结合，提出深度语义提取模块（Deep Semantic Pyramid，DSP）构建多层级语义聚合特征，有效扩大感受野并强化长程上下文依赖建模。模型的解码阶段采用渐进式上采样与特征融合机制逐级恢复空间细节，实现高分辨率预测图像的重建。并引入深度监督的多级辅助损失（Multi-level Loss-assisted，MLA）优化训练过程，通过对解码器各层输出进行辅助约束，确保局部边缘信息与全局信息一致性，构建端到端特征学习模型。为系统验证模型有效性，在SYSU-CD与LEVIR-CD公开数据集上开展对比实验并分析结果。在SYSU-CD数据集上，MLLA_SiaNet以82.13%的F1分数优于其他七种对比方法，较次优方法SFEARNet提升1.3个百分点；其精确度与召回率分别达到最优值83.42%和80.88%，实现了查准率与查全率的同步提升。在LEVIR-CD数据集上，MLLA_SiaNet的精确度达到了89.48%，充分说明所提出的方法在抑制光照、阴影及植被季节性变化等伪变化因素方面的有效性；本模型在LEVIR-CD数据集上的F1分数为85.87%，优于SFEARNet（精确度84.89%）、BIT（精确度82.80%）与IFN(精确度82.29%)等其他方法。对实验结果的定量分析与定性分析说明，模型在不同分辨率与复杂地物条件下均展现出较好的鲁棒性。消融实验进一步证实了DFM、DSP与MLA模块在提升模型性能方面的优势，并通过分析模型的可视化响应特征图，验证了模型各个阶段的有效性。综上，本研究缓解了遥感图像变化检测任务中多尺度特征交互不足、全局语义信息关联性较弱以及对伪变化抑制困难等关键问题的影响。未来工作将聚焦于轻量化部署、多时相序列建模及自监督预训练技术，拓展模型鲁棒性的系统性评测。

随着空间科学卫星数量的持续增加及科学载荷类型的多样化，下行科学数据规模不断增长，数据处理任务在数量、类型及处理流程等方面的复杂度显著提升，不同数据处理任务在时效性要求和计算资源占用特征方面存在显著差异，给地面数据处理系统带来了更高的计算与调度压力，因此需要结合空间科学卫星数据处理任务特点进行计算资源调度策略的研究，对卫星数据处理任务的执行顺序与计算资源进行更高效的调度与分配，从而提升整体处理效率与系统响应能力。本文提出了一种支持在线决策的深度强化学习资源调度算法DeepRL- Sched，该算法以近端策略优化（Proximal Policy Optimization，PPO）为核心，将卫星数据处理任务调度过程建模为马尔可夫决策过程。为了解决强化学习方法仅依赖当前系统状态进行决策而易产生短视性的问题，以及训练过程中收敛慢、稳定性差的挑战，设计了计算资源需求预测模块和模仿学习模块两个关键组件：前者通过预测未来任务负载与资源需求，构建扩展状态表示，从而增强策略对系统未来演化趋势的感知能力，缓解因局部观测导致的短视决策；后者则采用模仿学习方法，从高质量专家调度策略中提取先验知识，引导策略网络训练，从而有效提升算法的收敛速度与训练稳定性。实验结果表明，该算法能够有效提升空间科学卫星地面数据处理系统的调度效率，降低任务整体完成时间，并显著改善高时效性任务的处理及时性。

无人机目标检测技术在光伏电站生态修复监测中的应用潜力巨大，但在实际应用中面临背景干扰、特征模糊及目标尺寸小等挑战。针对上述关键问题，本文提出一种基于改进RT-DETR(Real-Time DEtection TRansformer)的目标检测模型MDS-DETR(MambaVision driven Dilated-attention Small-object DEtection TRansformer)。首先，设计改进型主干网络 CSP-MambaVision(Cross-Stage Partial and MambaVision Hybrid Backbone Network)，通过将CSP的梯度分流特性与MambaVision的线性全局建模能力协同，并引入SFS-Conv和EMA对特征渐进式优化，增强对复杂环境的视觉语义建模能力；其次，将轻量化后的注意力转换块DTAB(Dilated Transformer Attention Block)替代原生AIFI(Attention-based Intrascale Feature Interaction)模块，依托分组通道控制与掩码空间约束，在扩大感受野捕捉多尺度上下文信息的同时优化模型对特征模糊类目标的感知与判别能力；最后，提出小目标检测模块SOEP-MFM(Small Object Enhance Pyramid with Modulation Fusion Module)，利用跨尺度的特征重组与动态调整权重机制，实现小目标特征在网络中的多层次保持，有效增强小目标的表征能力，提升模型对小目标的检测精度。在公开数据集上的实验结果表明，MDS-DETR各项指标上较现有算法具有显著优势，其中Precision、Recall、mAP50%及mAP50-95%较基线模型分别提高了4.96%、3.04%、4.09%与3.58%，优于其他主流算法。此外，将基于迁移学习优化的MDS-DETR模型应用于光伏生态修复监测任务中，结果表明其测量的覆盖度与实测数据具有高度一致性，可为光伏电站的生态修复规划提供可靠的支撑。

多模态医学图像配准旨在实现不同成像模态间解剖结构的精确空间对齐，但由于成像机理差异，不同模态在灰度分布与纹理特征上存在显著不一致性，使得现有方法在复杂场景下仍面临配准精度与鲁棒性不足的问题。近年来，无监督特征解耦方法虽在一定程度上缓解了对配准标签的依赖，但由于缺乏显式约束，易导致模态信息抑制不充分及关键解剖结构信息损失。因此，如何在有效消除模态差异的同时保持结构信息的完整性，仍是多模态医学图像配准中的关键挑战。 针对上述问题，本文提出一种基于显式特征解耦与结构重建约束的多模态医学图像配准方法（Feature Decoupling and Structural Reconstruction Network，FDR-Net），构建了涵盖特征解耦、形变估计与重建验证的闭环学习框架。首先，通过引入全局自注意力机制的特征编码器，将输入图像显式分解为模态风格与解剖结构信息，并结合模态判别约束促进结构特征中风格信息的有效剥离。进一步地，设计跨模态特征混合机制，通过人为构造模态干扰，增强模型对模态变化的鲁棒性，从而学习更加稳定的结构表示。在配准阶段，以解耦后的结构特征为输入，利用U-Net预测密集形变场，并通过特征级与图像级相似性约束实现结构对齐，同时结合平滑正则化以保证形变的连续性与物理合理性。此外，引入循环一致性重建模块，该模块基于预测形变场动态生成重建目标，并通过由结构相似性（SSIM）与均方误差（MSE）构成的复合重建损失反向约束特征学习过程，从而在抑制模态差异的同时进一步强化关键结构信息的保持能力。 为验证所提方法的有效性，本文在 SR-Reg 与 BraTS2021 两个公开数据集上进行了系统评估。在 SR-Reg 数据集上，未配准时 Dice 为 62.24%，FDR-Net 达到 79.58%，较次优方法 BSF_Fusion（77.86%）提升 1.72 个百分点，HD95 为 2.89 mm，ASSD 为 0.90 mm，且在脑室等关键结构区域表现出更平滑稳定的形变场。在更具挑战的 BraTS2021 数据集上，FDR-Net 依然取得最佳性能，Dice 达 86.85%，较 BSF_Fusion（84.98%）提升 1.87 个百分点，HD95 与 ASSD 分别降至 4.12 mm 与 1.79 mm，表明其在肿瘤病灶引起的复杂形变条件下仍具有优异鲁棒性。消融实验进一步表明，移除跨模态混合机制、模态判别约束或循环一致性重建模块后，Dice 分别下降 5.3、4.8 和 6.1 个百分点，特征分析结果亦验证了模型能够有效降低结构特征的模态可分性，实现稳定的模态不变表示学习。 综上所述，本文提出的 FDR-Net 通过显式特征解耦、跨模态特征混合、多重判别约束及循环一致性重建机制，实现了模态风格信息与解剖结构信息的有效分离，在保证结构完整性的前提下显著提升了多模态医学图像配准的精度与鲁棒性。该方法无需依赖生成式图像转换或手工设计相似性度量，为复杂临床场景下的多模态医学图像配准提供了一种高效且具有良好泛化能力的解决方案。

混合专家（MoE）网络在资源受限的边缘FPGA部署时面临严峻的存储墙与负载不均衡挑战。现有动态调度或批处理方案难以满足流式推理的实时性要求。为此，提出一种基于负载感知的软硬件协同优化方法。利用专家激活的长尾分布特征，设计概率感知静态锁定（PASL）策略，通过分层存储机制在有限容量下最小化访存延迟；同时，构建统计驱动的自动化设计空间探索（DSE）引擎，实现计算资源的非均匀最优适配。此外，针对真实边缘场景中普遍存在的宏观分布漂移挑战，提出了一种面向负载演进的迟滞型软硬协同重构机制，有效屏蔽了微观语义噪声并避免了缓存震荡。实验表明，在单帧流式推理场景下，该方法相比均匀分配策略吞吐率最高可提升2.22倍，相比现有先进方案Edge-MoE的策略吞吐率最高可提升1.52倍；在各任务的能效比方面，最高可达CPU和GPU的2.9倍和3.1倍；在处理复杂视觉Transformer时端到端延迟低至16.33ms。在面临动态分布漂移时，相较于静态基线实现了17.3%的吞吐率提升，同时在稳态随机场景保持了零额外开销，有效解决了边缘端MoE网络部署的实时性、能效与动态环境适应性瓶颈。

命名实体识别旨在从文本中准确识别具有特定语义类别及明确边界的实体。针对中文文本中缺乏显式词边界、语义表达复杂以及多音字、形近字广泛存在所带来的语义歧义问题，现有方法多依赖字符或词汇信息进行建模，对拼音、部首等关键语言学特征的利用仍显不足，同时在多源异构特征融合过程中多采用简单拼接或加权方式，难以充分挖掘不同特征之间的深层语义关联，进而限制了模型整体性能的进一步提升。本文提出一种基于多特征层次化融合（Multi-Feature Hierarchical Fusion，MFHF）的中文命名实体识别方法，以实现多维语言学特征的协同建模与深度语义融合。首先，在特征表示阶段构建字符、拼音、部首和词汇四类嵌入表示，其中字符嵌入基于预训练语言模型获取上下文语义信息并捕获长距离依赖关系，拼音嵌入通过编码拼音序列刻画语音差异，有助于缓解多音字歧义问题，部首嵌入利用卷积神经网络对汉字结构进行建模，从字形层面提取细粒度语义特征，词汇嵌入基于词典匹配机制引入词级信息，以增强模型对多字实体边界的感知能力，从而从语音、字形和词汇语义多个维度提升字符表示能力。其次，为解决多源特征融合过程中信息交互不足及融合粒度单一问题，设计层次化交叉注意力机制，在局部层面构建拼音—部首与字符—词汇两组交叉注意力，通过双向注意力交互分别建模音形之间的内在关联以及字级与词级语义之间的结构关系，使不同模态特征能够在细粒度层面实现信息对齐与互补，在全局层面，将经过局部增强的多源特征进行拼接，并引入多头自注意力机制对其进行统一建模，实现跨特征的深层语义整合，从而获得兼具多维信息的语义增强表示。在此基础上，引入多任务学习与对抗训练的联合优化策略，通过拼音预测和部首预测辅助任务强化特征学习，并在嵌入空间加入基于梯度的对抗扰动，以提升模型在复杂环境下的鲁棒性与泛化能力。最后，将融合后的特征表示输入BiLSTM进行序列建模，并通过条件随机场进行全局解码，从而获得实体识别结果。为验证所提方法的有效性，在MSRA、Weibo和Resume三个公开中文命名实体识别数据集上进行实验评估，并从整体性能与不同实体类型两个层面进行对比分析。实验结果表明，MFHF模型在MSRA、Resume和Weibo数据集上分别取得96.78%、96.14%和71.80%的F1值，整体性能优于多种代表性基线模型。其中，在MSRA数据集上相较于CPL-NER模型取得1.09个百分点的性能提升，在Weibo数据集上较GS-Lexicon模型提升1.55个百分点，在Resume数据集上相较于Lattice-LSTM模型取得1.68个百分点的提升。综上，本文方法通过多特征层次化融合与联合优化策略，有效提升了中文命名实体识别的语义建模能力与模型鲁棒性。

面向大语言模型的低精度训练有助于降低训练成本并提升硬件利用率，但现有高效低精度训练框架大多依赖原生FP8硬件支持，难以直接迁移至缺乏FP8执行能力的国产加速卡平台。因此，如何在不依赖专用FP8硬件单元的条件下，重构适配国产加速卡的低精度训练路径，并在保持训练稳定性的同时获得实际的端到端性能收益，成为亟待解决的问题。针对这一问题，本文提出了一种基于INT8动态量化的Transformer Engine高效训练方案。该方案面向国产加速卡已有的整数矩阵乘能力，对原有FP8线性层计算流程进行重新设计，从而在无需专用FP8硬件支持的条件下实现大语言模型的低精度预训练。 在方法设计上，所提方案保留了Transformer Engine的动态尺度管理思想，并将原有依赖FP8硬件支持的线性层计算流程重构为“动态量化—INT8矩阵乘—INT32累加—融合反量化恢复”的跨精度执行通路，使计算最密集的矩阵乘操作能够映射到底层整数算力单元。为兼顾可实现性与执行效率，本文采用tensorwise粒度的动态量化策略，对激活与权重按照张量动态范围进行在线缩放，并结合国产SIMT架构加速卡对INT8×INT8整数矩阵乘和INT32累加的原生支持，实现了Transformer Engine核心线性层算子的国产化重构。进一步地，针对统一INT8量化下输入嵌入层和输出层等数值敏感模块易出现激活与梯度尺度失衡、量化误差放大及收敛退化的问题，本文从梯度传播与误差传播两个角度分析了相关层的数值特性，并据此提出分层精度量化策略：输入嵌入层与输出层保持BF16精度，以保证梯度传播的稳定性和参数更新的可靠性；注意力投影层及前馈网络等中间计算密集模块采用INT8低精度通路，以充分释放整数计算单元的吞吐能力；缩放因子及部分关键中间量采用较高精度保存，以兼顾数值稳定性与实际加速效果。在此基础上，本文将该方案集成至Megatron-lm分布式训练框架，并在国产加速卡上开展多模型预训练验证。 实验选取Llama2-7B、Llama2-13B、Llama3.1-8B、Qwen3-4B、Qwen3-8B以及基于Mixtral-8x7B架构裁剪得到的Mixtral-8x7B-8L模型作为评测对象，在统一训练轮次条件下，对BF16基线与所提INT8方案进行对比分析。结果表明，该方法在不同模型上均能够保持与BF16基线整体接近的训练损失下降趋势，训练过程中未出现明显震荡、发散或收敛停滞，说明重构后的INT8训练路径能够较好保持大模型预训练过程中的收敛稳定性。在端到端训练效率方面，Llama2-7B、Llama2-13B、Llama3.1-8B、Qwen3-4B、Qwen3-8B和Mixtral-8x7B-8L的训练加速比分别达到1.21、1.16、1.17、1.07、1.20和1.12，表明该方法在不同规模和不同结构的大语言模型上均具有较为稳定的效率收益。 综合来看，本文提出的方法在缺乏原生FP8硬件支持的国产加速卡上实现了Transformer Engine低精度训练路径的有效重构。通过动态量化、INT8计算通路和分层精度量化策略的协同设计，该方法在保持训练收敛稳定性的前提下获得了稳定的端到端加速效果。实验结果表明，在现有硬件条件下，基于软件层计算路径重构与模型结构感知的精度配置，能够有效释放整数计算单元潜力，为国产平台上的大模型高效预训练提供可行方案。

本研究旨在探究生成式人工智能（Generative Artificial Intelligence, GAI）在自训练循环中的模型退化风险，重点聚焦内容同质化与人机文本差异两大核心现象。研究选取两种结构具有代表性的生成模型，构建自训练迭代实验框架，以人类数据在训练集中的占比α为核心超参数，在α不同取值下并结合线性递减、指数衰减两类典型动态策略开展对照实验，通过多维度性能指标系统评估生成内容的质量、多样性及与人类文本的差异程度。结果显示，GAI在自训练过程中性能呈持续下降趋势，生成内容多样性显著弱化，人机文本差异逐步扩大；线性递减策略可有效延缓信息熵下降、维持内容多样性，但后期易受模型生成数据污染的累积影响；指数衰减策略虽初期性能波动较明显，但其长期稳定性更优。此外，轻量级单向语言模型（GPT2）在自训练中更易陷入噪声放大的恶性循环，而具备更强全局建模能力的双向编码器模型（BART）在面对生成数据污染时，展现出更优异的鲁棒性。本研究为优化GAI自训练的动态数据配比策略提供了重要实证支撑。

针对无人机电力巡检图像背景杂乱及目标尺度多变导致检索精度受限的问题，提出一种基于频域坐标协同与多尺度门控的电力图像检索网络Swin-FMG。该方法以Swin Transformer为骨干架构，首先，提出频域坐标协同注意力机制(FCCA)，通过结合全局频谱滤波与正交空间投影有效抑制环境噪声并恢复目标几何特征的物理连续性。其次，设计语义引导的多尺度门控融合模块(MSCGF)，利用深层语义自适应筛选浅层多尺度纹理并构建双流检索表征，增强模型应对跨视角尺度变化的感知能力。最后，引入低秩适配微调与难样本三元组联合损失函数，在缓解小样本过拟合风险的同时进一步优化特征度量空间的类间可分性。在自建电力巡检图像检索数据集上的实验结果表明，Swin-FMG的平均精度均值达到63.15%，首位召回率达到71.04%。与基准Swin Transformer相比，其平均精度均值提升了4.19%。实验结果表明，Swin-FMG能有效剥离复杂环境干扰并捕获尺度不变特征，在兼顾计算效率的前提下显著提升了电力设备的图像检索性能，验证了所提方法的有效性。

在动态类型语言的编译优化过程中，受运行时类型不确定性的影响，编译器需要插入大量合法性检查节点。现有的基于可达性分析的冗余代码消除（Redundant Code Elimination, RCE）算法通常将所有控制流节点视为可能产生副作用的节点，从而在分析过程中保留了与这些检查节点相关联的计算与控制流结构，导致部分语义上无效的计算与控制流难以被安全删除。针对这一问题，以方舟运行时为研究平台，系统分析其编译优化流程与中间表示（Intermediate Representation, IR）结构，提出了一种语义驱动的RCE方法。该方法首先从程序的可观测语义出发，构建形式化语义模型，将程序行为抽象为由输入输出、抛出异常、系统调用及以特定返回值退出构成的可观测事件序列，并据此将RCE问题转化为以不改变程序的可观测语义为前提的IR子图删除问题。在此基础上，提出合法性检查删除判定准则：当检查节点及其依赖的计算不产生副作用，且其结果不被任何影响程序可观测行为的节点使用时，该检查及相关计算可被安全删除。该准则突破了合法性检查对RCE的干扰，将部分被传统方法保留但语义上无效的计算及其检查视为可删除节点。围绕该准则，设计了基于语义约束的有效节点传播机制：首先初始化包含副作用节点的有效节点集合，然后沿数据依赖关系扩展该集合，在集合中保存可能影响程序可观测行为的节点，从而识别并删除冗余计算及其附属检查。进一步地，针对传统方法无法处理的冗余控制流问题，结合控制流图构建、支配关系分析与循环结构识别算法，提出冗余循环与冗余分支的检测与删除方法，实现对空循环、空分支等结构的整体消除。该方法已在方舟运行时编译框架中完成集成，在IR层实现了对冗余计算与控制流的优化。相关实验表明，在指令数量方面，优化后所有测试程序的平均执行指令减少比例为3.4%，在存在冗余控制流的典型用例中，平均减少27.4%，最高达到98.26%；在执行时间方面，各测试用例平均降低3.4%，典型用例平均降低26.4%，少数循环密集型程序的执行时间降低达99.99%；在编译开销方面，算法的运行时间平均仅占总编译时间的2.28%，其额外开销较低；在整体性能评估中，多数典型用例的编译与执行总时间均呈下降趋势，最高降低94.55%。此外，经过913个运行时单元测试用例及19749个test262标准测试验证，算法未引入语义变化。对比源码级RCE工具，该算法在更细粒度的计算与控制流层面仍能进一步获得性能收益，体现出了IR层优化的独特优势。该方法在保证程序语义等价的前提下，有效突破了动态类型语言中合法性检查对RCE的限制，显著提升了编译产物的执行效率，同时保持较低的编译开销，为动态类型语言运行时的编译优化提供了一种新的思路。

方面级情感分析旨在对文本中特定方面的情感极性做出判断。现有的方法往往采用图神经网络和注意力机制来编码句子的句法依赖信息和语义信息，然而，句法依赖树仅能捕获词语之间的依存关系，无法表达短语级句法结构，限制了模型对短语级句法信息的利用；并且在使用常规softmax注意力机制捕获句子的语义特征时，通常会受到无关上下文的干扰，从而产生过多语义噪声。因此，本文提出一个基于句法增强和语义降噪的方面级情感分析模型。在句法分支中，引入句法成分树构建句法成分图，以补充短语级句法信息，利用句法成分图和句法依赖图分别编码两种句法信息，并通过句法融合机制动态整合两种信息，得到句法增强表征；在语义分支中，引入差分注意力机制降低无关上下文的注意力权重，从而降低语义噪声，得到降噪后的语义表征；另外，通过在词嵌入末端拼接外部知识嵌入得到融合外部知识的表征，以帮助模型更好地理解句子语义；最后利用多特征融合模块将三种特征进行充分融合。实验结果表明，相较于S2GSL等基线模型，本文模型在Laptop、Restaurant和Twitter数据集上的准确率分别提高至少0.36、0.83和3.13个百分点，在Laptop和Twitter数据集上的F1分数分别提高至少0.56和2.96个百分点，验证了本文模型句法增强和语义降噪方法的有效性。

持续异常检测侧重于增量学习新类别的同时保持历史记忆。然而，生成式回放面临的频谱偏差与高频伪影严重制约了微小异常的精细分割。为此，该研究提出了DenoiseCAD，一种基于级联纯化体系的抗噪框架，为消除生成伪影导致的特征偏移，防止模型捕捉与缺陷无关的虚假特征。首先，该研究提出了一种基于特征原型引导的潜空间校正机制，在模型扩散反向过程中利用正常类别的特征原型作为语义锚点，通过计算特征度量梯度来迭代修正潜变量，从源头抑制分布偏移噪声。其次，基于参数敏感性实验构建任务驱动型频率滤波，实施针对数据来源特性的多粒度频谱联合约束策略，有效阻断高频伪影的传播。最后，实施基于锚点的权重固化，通过各向同性的参数距离约束，防止模型对残留噪声过拟合。至此构建了从源头到末端的全链路去噪框架，从而有效平衡了模型的可塑性与稳定性，缓解了灾难性遗忘难题，为复杂工业智能质检场景提供了可靠的新框架。实验表明，DenoiseCAD 在 VisA 和 MVTec 数据集上均取得 SOTA 性能，其像素级异常分割精度较现有最优方法分别提升了 2.8% 和 1.5%。