针对原子力显微镜（atomic force microscope,AFM）光纤探针扫描成像中针尖磨损的问题，提出一种基于压缩感知（compressed sensing,CS）的欠采样扫描方法，减少光纤探针与样品的接触次数，有效延长探针的使用寿命。利用CS算法重构得到完整的AFM图像，并通过引入卷积神经网络（convolutional neural network,CNN）优化CS重构图像的质量，解决了因欠采样导致的图像质量下降问题，在减少光纤探针磨损的同时保持了高质量的成像。实验中，当扫描频率为0.3 Hz，扫描点数由200×200降低至100×100时，针尖磨损量由78nm降低至13 nm，成像时间缩短为原来的1/4，通过卷积神经网络优化后，AFM图像的峰值信噪比（peak signal-to-noise ratio,PSNR）和结构相似性（structural similarity,SSIM）分别为30.12 dB和0.96，实现了光纤探针低磨损、快速、高质量的AFM成像。

准确可靠的动态障碍物感知是封闭有限环境中自主测绘无人机安全导航的关键前提，但现有LiDAR-视觉融合方法在光照不良、反射干扰或运动模糊等退化条件下，往往难以应对传感器可靠性发生的显著变化。针对上述问题，本文提出了一种不确定性建模驱动的LiDAR-视觉融合动态障碍物检测框架，通过显式建模传感器观测不确定性，实现传感器贡献的自适应调整。该框架基于概率模型对LiDAR点云与RGB图像进行实时不确定性量化，并引入自适应传感器可靠性评分机制，引导融合决策与后续目标追踪过程。在自主构建的多条件数据集上进行了实验，结果表明：相比现有方法，本文方法在低光照、玻璃反射及运动模糊等具有挑战性的场景下F1值提升约15%～20%，同时在嵌入式平台上保持约25 Hz的实时处理性能。实验验证了该方法在复杂退化环境下的鲁棒性与工程可行性。

针对低资源语言平行句对抽取中标注资源稀缺、模型表征能力不足的问题，本文提出一种基于语言特征增强的汉-缅平行句对抽取方法。该方法从数据增强、模型架构、训练机制3方面进行优化：首先，基于孪生网络构建汉语与缅甸语双编码器以形成跨语言语义表示空间；其次，引入基于词向量L₂范数的信息量评估机制，对高信息特征进行替换与样本增强，以缓解低资源下的数据稀疏问题；最后，通过正负样本构造与对比学习的动态建模，优化样本边界，实现更精准的汉-缅语义对齐。实验表明，所提方法在汉-缅平行句对抽取任务上F1值达95.03%，优于基线模型。此外，该文构建了5×10⁵句对规模的高质量汉-缅通用的数据集，为低资源语言相关研究提供数据支撑。

针对航空发动机燃烧室点火预测中工况特征复杂，训练样本量小且数据不平衡，一般深度学习预测模型难以满足预测任务需求的问题，提出了融合残差连接与自注意力机制的网络模型——注意力残差视觉几何组网络（attention residual visual geometry group,Att ResVGG）。该模型通过多头自注意力机制捕捉工况参数间的依赖关系，建立工况参数与点火状态之间的映射关系。针对数据量不足和类别不平衡问题，设计了基于物理约束的数据增广策略，通过维持燃油空气比、温度压强比等关键物理参数关系合成新工况样本。此外，设计基于贝叶斯优化自动机器学习算法优化模型超参数，进一步提升模型预测能力。为验证模型效果，在两个数据集上的实验表明，AttResVGG模型的准确率分别达97.67%和90.48%,Kappa系数分别达0.950 5和0.834 6，优于所对比的模型。

伴随着城市规模的不断扩大和城市群的快速成长，城市空间发展不平衡、资源分配不均衡的问题开始出现，如何优化城市空间结构成为目前的重点问题。运用主成分分析法测算2015—2020年辽宁省城市绿色竞争力质量水平，利用构建的修正引力模型对辽宁省城市对外作用强度及其空间网络关系进行分析。研究结果表明： 1）辽宁省城市群绿色竞争力质量水平整体在不断提高，但强弱不平衡的格局并没有得到显著改善； 2）辽宁省城市对外作用强度在一定程度上有所提升，但城市间差异现象依然存在，特别是沈阳市、本溪市的数值远超其他城市； 3）辽宁省城市群整体相互作用强度网络结构较为紧密，城市间互动频繁且充满活力。

针对低照度目标检测中部分环境存在样本稀缺的问题，提出一种基于特征优化的低照度小样本目标检测方法。该方法设计了降噪Wasserstein自编码器模块和自适应变分特征聚合模块，解决了低照度下图像特征信息不显著问题，突出重要特征；针对小样本学习训练时样本少导致的目标分类混淆问题，设计了类别信息引导检测头模块，减少了分类混淆，提高了检测精度。实验结果表明，相比于所选主流小样本目标检测算法，该方法在低照度数据集上训练后，检测精度平均有9.3%～19.2%的提升，且在正常照度数据集上训练后，该方法相比于目前最先进算法的检测精度平均有3.0%的提升。所提算法对低照度下的小样本目标检测具有积极的意义和良好的应用价值。

为了解决肺部病灶图像对比度低、纹理细节模糊以及边缘特征提取不充分等难题，本文提出一种融合双重注意力机制的轻量级U型网络。首先，设计一种注意双分支组合模块。在编码阶段，两分支分别关注全局与局部信息，获取病灶全局定位信息与边缘特征；其次，同时引入并行的纹理增强模块，使用量化计数算子得到统计特征直方图，增强浅层网络提取的纹理特征，解决了对比度低的挑战；最后，构建反注意双干扰细分模块，在解码阶段使网络关注并处理误分割信息，实现重构图像内假阳性与假阴性特征的同时消除。在肺部病灶数据集COVID-19 CT scan和MS COVID-19上验证了网络的有效性。与现有网络相比，本文所提网络在5个评价指标上均取得了最优结果，Dice指标相比次优的UNeXt模型提高了1.42%，且同时实现了参数轻量化的效果。

光场（light field,LF）成像同时记录光线的位置和角度信息，这种高维特性导致光场数据量急剧增加。因此，高效的光场压缩技术成为该领域研究和开发的重点。近年来，学术界提出了多种基于深度学习的光场压缩方法。然而，这些方法往往难以实现端到端的联合优化，并且需要显式传递视差或几何信息，从而显著增加了编码方案的复杂性。为了解决该问题，本文提出一种全新的端到端光场压缩模型。该模型基于光场视点之间的视差关系，采用可变形注意力机制进行视差补偿，通过对视差特征和残差的编解码实现光场数据的有效压缩。实验结果表明，本文提出的方法在率失真性能上优于其他现有光场压缩方法，且在中高码率编码性能上达到了最先进水平。

针对数据资产交易中存在企业与个人交易环境割裂、隐私泄露风险高及系统吞吐量不足等挑战，提出了一种面向多源异质数据资产的联盟链+侧链分链交易体系。分析了多源异质数据的交易特征，设计了基于用户类型感知的自动分链路由机制，其中联盟链保障企业数据的强一致性审计，侧链实现个人数据的高并发处理。同时引入可信计算技术，构建了可用不可见、可用不可拷的硬件级隐私保护方案。实验结果表明，该分链架构将系统峰值吞吐量提升至2 400 TPS，相比传统单链提升约118%；同时将高并发下的交易延迟控制在2 s以内，且引入的安全开销仅为毫秒级。该体系在实现异质数据融合交易的同时，有效平衡了安全性与交易效率；在保护数据隐私性的同时将企业与个人数据资产交易融合纳入到一个规范化的交易系统中，为数字经济时代的数据要素流通提供了工程化解决方案。

近年来，随着信息技术的发展和网络社交的广泛普及，传统推荐系统在刻画复杂用户需求方面逐渐暴露出局限性，从而引发了对群体推荐系统的日益关注。然而，现有群组推荐方法多依赖于对个体成员偏好的简单汇聚，难以捕捉群体行为中的隐含共识信息。本文针对该问题，提出一种融合多视角信息的超图神经网络群组推荐模型IConcen。该模型从成员级、物品级和群体级三种互补视角对群组交互行为进行建模，并引入自适应融合模块动态协调各视图权重，生成高表达性融合特征，有效提升推荐性能。在Mafengwo和CAMRa2011数据集上的实验结果表明，该方法在群组推荐与用户推荐任务中的性能均优于HCR等主流模型。其中，在Mafengwo数据集上，相较于S²-HHGR、Agree和HCR模型，HR@5和NDCG@5指标分别提升24.3%和28.2%以上，验证了所提方法的有效性与优越性。

为进一步提升谣言检测的有效性和稳定性，提出了一种融合图文特征自适应抗噪与语义修补的多模态谣言检测方法。首先，设计预训练编码、动态池化以及多头增强的三级处理流程，将谣言原文与评论文本编码成语义向量。然后，构建视觉特征提取和光学字符特征提取两个并行模块，将谣言图像及图像中的显式文本编码成互补增强的图像向量。最后，通过自适应门控和动态交叉注意力机制过滤噪声并增强语义，实现图文信息的局部对齐与全局整合。实验结果表明，相较于对比算法，所提方法能够有效捕捉图文信息的深层关联，提升了谣言检测结果的可信性和实用性。