复杂电磁环境下卫星信号往往淹没在背景和噪声中，传统的信号检测算法在没有准确先验知识的情况下性能急剧降低，目前基于深度学习的信号检测算法往往需要依赖专家经验的数据后处理步骤，无法对信号进行端到端检测.针对上述缺陷，提出一种基于DETR_S（DEtection with TRansformer on Signal）的卫星信号智能检测方法.DETR_S以编码器-解码器架构为基础，利用Transformer网络全局建模能力捕获频谱信息，采用多头自注意力机制有效改善频谱信息长距离依赖的问题.基于匈牙利算法的预测框匹配模块摒弃了非极大值抑制的数据后处理步骤，将信号检测问题转变为集合预测问题，使模型并行输出检测结果.引入信号重构模块，将频谱重构损失函数加入损失函数中，辅助模型挖掘频谱深层表征，提升信号检测性能.实验结果表明，在仅使用信号频谱幅度信息条件下，DETR_S能够在信噪比等于0 dB及以上对卫星信号进行精确检测（>95%），优于典型的目标检测方法.
针对协同相干多/两点源场景下比幅单脉冲测角的性能分析问题，本文在两点源比幅测角一般模型基础上给出了相干两点源的比幅测角表达式，并分析了3种典型情况；然后，推导了比幅测角误差与同步相位差误差和系统误差的理论关系，并给出了测角误差的准确度模型；最后，通过数字仿真实验给出了两点源信号的同步相位差、功率比、信号角度等因素对比幅测角结果、测角误差及其准确度的影响.结果表明：比幅测角结果受相干两点源同步相位、功率比等因素的影响较大，测角结果可能位于两信号角度之间也可能位于两信号角度之外；系统和信号的误差越小，测角误差模型越准确；信号工作频率越高，对时间同步要求越高.本文完善了两点源场景下比幅测角理论，为测角性能分析、测角系统方案优化等提供理论依据.
针对战场环境中传统的频谱资源分配管理模式响应速度慢、实时性低的问题，首先构建了区块链赋能的分布式频谱分配架构，考虑了用频满意度、冲突及优先级等约束条件，建立了优化目标模型，提出一种基于匹配理论的分布式盖尔-沙普利（Distributed Gale-Shapley，D-GS）频谱分配算法，使战场频谱分配从静态集中式转变为动态分布式，大大提高了频谱分配的性能，并通过加入贪心机制和用频单位的满意度阈值，使作战单位能够在较晚提交用频需求的情况下，显著提高频谱分配的满意度.仿真结果表明：所提方法在频谱资源受限情况下，能够保障用频单位的用频满意度且极大发挥分布式频谱管理的实时性，与静态集中式频谱分配方法相比，时间开销降低超过1个数量级.该算法具有更优的时间性能、频谱分配效率，使得战场频谱分配获得更好的效果.
透射阵天线是一种将透镜阵列和天线相结合的天线，远场透镜结构多由离散排布的相位调控单元构成.透射阵天线具备高增益特性，因此有必要对透射阵天线电子信息系统进行电磁防护加固.为有效应对高功率微波及强电磁脉冲对电子信息系统的威胁，设计了一种全相位梯度覆盖的能量选择结构，为相位调控单元提供电磁防护能力.基于解耦设计思想，将能量选择层和相位调控层进行级联，并开展一体化优化设计，同步具备能量选择和梯度相位调控功能.仿真结果表明，该能量选择相位调控结构在不同调控相位下插入损耗整体小于2 dB，防护效能最高可达35 dB.金属贴边边长从2.0 mm增加至8.2 mm时，仿真透波相位覆盖范围可达-63°至-486°，超过360°.在波导中对该结构测试件进行了性能验证，实测结果表明，平均插入损耗为2.07 dB，防护效能最高可达15 dB，相位覆盖范围达-76°至-317°.仿真和实测结果验证该设计方法初步实现能量选择和相位调控的功能，可应用于防护型透射阵天线及具备梯度相位变换要求的能量选择表面设计，能有效指导其他频段能量选择相位调控结构的设计.
无人干扰平台被广泛运用于现代电子战场中，但其在干扰敌方的同时会降低己方合法用户的信号接收质量.为了解决无人干扰平台不分敌我的现实问题，提出一种主动式射频干扰零陷策略：通过协调2个无人干扰平台发射信号的波形、幅度、相位和相对延迟，在干扰敌方电磁设备的同时，在目标区域实现射频干扰零陷、保证合法用户不受干扰影响.考虑到无人平台之间不可避免地存在时间同步误差，给出时间误差约束下合法用户的接收信噪比与可达速率优势的闭合表达式，用来评估干扰零陷的性能.在此基础上，优化了无人干扰平台的发射功率以最大化合法用户处的可达速率优势，并根据实际干扰场景对干扰功率策略进行简化.在给定的数值仿真条件下，与传统干扰策略相比，所提射频干扰零陷策略可达速率优势的平均提升量约为3.2 bps/Hz；与未考虑时间同步误差的干扰发射功率策略相比，所提功率优化策略可达速率优势的平均提升量约为1.5 bps/Hz.
波达角（Direction Of Arrival，DOA）高精度估计对于应用毫米波大规模阵列实现多用户高速通信意义重大.针对宽带效应恶化接收信号质量、混合结构引起信号维度下降、多用户角度估计计算复杂度高等问题，本文提出了一种基于宽带信号相位测量的高精度DOA估计方法.首先，建立了基于混合结构的毫米波大规模阵列系统模型和宽带接收信号模型，论证了宽带效应的影响.其次，推导了DOA估计的克拉美-罗下界（Cramer-Rao Lower Bound，CRLB），并基于最小化CRLB提出了一种满足恒模约束的最优模拟矩阵设计方法.随后，针对单用户场景，提出了一种基于相位测量的无网格渐进CRLB高精度DOA估计方法.最后，针对多用户场景，提出了利用期望最大化（Expectation Maximization，EM）方法的迭代DOA估计算法，避免了联合估计导致的维度灾难，降低了计算复杂度.仿真结果显示，在信噪比超过5 dB时，所提单用户、多用户估计算法能够渐进达到CRLB，DOA估计性能超越传统估计方法，验证了本文所提算法的有效性，避免了宽带效应和信号降维的影响.
在大规模免授权非正交多址接入（Grant-Free Non-Orthogonal Multiple Access，GF-NOMA）中，多用户检测往往依靠先验信号稀疏度进行活跃用户检测，但在实际应用，特别在动态多用户接入中，用户接入过程变得更加复杂，获取这种先验信息变得更为困难.针对该问题，本文提出一种可学习阈值优化的大规模动态多用户接入检测方案，即阈值改进的自适应交替方向乘子（Threshold-Improved Adaptive Alternating Direction Method of Multipliers，TI-A-ADMM）算法.在该算法中，利用活跃用户连续通信的时间相关性，引入动态相关性度量，对活跃用户检测的噪声阈值进行自适应缩放，提高检测性能.此外，为提升不同信噪比下活跃用户检测的准确度，采用深度学习网络对活跃用户检测初始阈值进行优化，以适应不同的接入环境.仿真结果表明，在未知先验稀疏度信息的动态多用户接入情况下，所提TI-A-ADMM算法相较现有已知稀疏度信息的算法，在误活跃率（Activity Error Rate，AER）和误符号率（Symbol Error Rate，SER）上能得到2.4 dB的性能增益.所提算法对因多用户接入而引起的干扰具有较低的性能衰减和更高的鲁棒性.
基于支撑集交换技术，通过对 -阶旋转对称轨道的分析，给出了一个由n元1-阶旋转对称轨道，得到 元 -阶旋转对称轨道的方法.进一步，通过改变定义在 上的旋转对称弹性函数的支撑集，构造出新的 -阶旋转对称2-弹性函数，且至少能得到 个不同的 元 -阶旋转对称2-弹性函数.
LiCi、LiCi-2和GRANULE密码算法均为面向资源极端受限物联网环境的超轻量级分组密码算法，其加、解密速度快且易于软硬件实现，目前备受业界广泛关注. 本文通过利用这些算法的线性结构特性，构造了多条绝对相关性为1的迭代（循环）完美线性逼近，并由此设计出全轮的完美线性逼近（线性区分器），进而完全攻破了这些密码算法，即证实了全轮的LiCi、LiCi-2和GRANULE密码算法存在严重的设计缺陷.
本文研究卫星网络系统稳定性和安全性问题，为业务提供安全可靠的端到端服务.针对卫星网络中可能存在的干扰攻击和拒绝服务攻击，考虑异常检测存在错误判断的情况，根据检测误差精度设计联合检测的安全传输方案，最小化端到端时延抖动.基于最优控制策略构建安全传输优化问题，联合检测需求作为约束条件决策传输路径，利用增广拉格朗日差分进化算法求解得到最优数据传输方案.首次将异常检测的精确度作为安全传输路径策略的影响因素，当网络中存在一定程度的攻击时，安全控制算法提供稳定的端到端服务，控制策略同时动态触发异常检测，使得网络具备主动防御能力.本文搭建了66颗卫星星座，分别在卫星网络的干扰攻击和拒绝服务攻击中模拟验证所提出的安全传输方案的有效性.实验结果表明，将异常检测误差作为安全传输策略的决策因素，可有效提升网络服务的稳定性.
为了保障天地一体化网络中组播业务的时效性，使能源消耗降低，提出了基于多元时变图的节能组播路由算法.首先，针对低轨卫星网络的组播路由能耗问题进行分析，提出多元时变图模型，表征低轨卫星网络的时变拓扑、能耗和时延等多元属性.然后，利用基于K-最短路径候选路径算法得到满足组播业务服务质量需求的路径集，再通过基于最小路径启发式的组播生成树算法得到能耗近似最优的组播树.最后，从理论上证明该算法构造的组播树在服务质量约束下能量消耗接近最优.仿真结果表明，与已有的算法相比，所提算法的网络能耗更低.
为了解决低轨卫星通信系统因广域覆盖特性导致用户信息极易被截获和窃听的问题，以及由于反馈延迟等因素导致的信道状态信息难以准确获取的问题，本文构建了存在信道不确定性的低轨卫星通信系统模型.根据用户最小安全速率约束、波束赋形功率阈值约束以及信道不确定性约束建立联合优化卫星波束赋形矢量、人工噪声矢量和功率分配因子的鲁棒优化问题.针对该含不确定性的非凸问题，提出一种基于连续凸近似、S-procedure、半正定松弛等方法的迭代鲁棒资源分配算法.仿真结果表明，所提算法满足概率较传统非鲁棒算法可提升9.62%.
本文提出了一种协作速率分割多址接入（Coordinated Rate-Splitting Multiple Access，CoRSMA）辅助的多站通信感知一体化（Integrated Sensing And Communication，ISAC）波束优化方案，以更为灵活地实现定制化的通信和感知业务.本文建立了各基站（Base Station，BS）公有流和私有流的接收信号模型，以及感知回波信号模型，分析波束赋形向量与通信速率和感知信噪比（Signal-to-Noise Ratio，SNR）之间的关系.在保证特定区域感知性能的条件下，以最大化最差情况下用户设备（User Equipment，UE）的通信和速率为优化目标，对所有BS的波束赋形向量进行联合优化.为了有效求解所构建的优化问题，通过引入辅助变量，并结合连续凸逼近（Successive Convex Approximation，SCA）方法对原始优化问题的非凸目标和约束进行松弛转换，进一步利用半正定规划（Semi-Definite Programming，SDP）技术得到最优波束赋形.仿真结果显示，所提出的CoRSMA-ISAC系统在通信和感知性能上均优于基于空分多址接入（Spatial Division Multiple Access，SDMA）与非正交多址接入（Non-Orthogonal Multiple Access，NOMA）辅助的ISAC系统.
太赫兹合成孔径雷达（Synthetic Aperture Radar，SAR）凭借其高分辨率成像和精细目标细节提取能力，展现出广阔的应用前景.由于信号波长较短，太赫兹SAR极易受到平台振动的影响，导致其成像过程中存在虚假成像点、沿方位向模糊、SAR图像散焦等诸多问题.为解决这一挑战，本文对复杂太赫兹SAR平台振动进行精细化建模，并对应地提出了太赫兹SAR自适应运动补偿算法，基于数理模型分析平台振动对成像过程影响机理，灵活精确地补偿实际场景中复杂的太赫兹SAR平台振动.首先，本文提出了基于时变幅度调制振动模型（Temporal Amplitude Modulation Vibration Model，TAMVM）的太赫兹SAR平台振动的精细化建模方法.通过集成余弦时变幅度和随机时变幅度调制模型，TAMVM模型克服了传统简谐振动模型的局限性，提升了对复杂多变的太赫兹SAR平台振动的适配性.其次，针对传统依赖简谐模型的运动补偿算法在处理复杂平台振动时的性能损失，提出了最小Tsallis熵准则下基于列文伯格-马夸尔特（Levenberg-Marquardt，LM）算法的太赫兹SAR自适应运动补偿方法.本文提出的图像质量驱动的运动补偿算法无需依赖特显点，能够在非线性最小二乘框架下精确估计复杂多变的回波振动相位，且无需额外的补偿步骤.同时，本文在最小Tsallis熵准则下精确推导了LM算法的迭代运算过程.该算法通过自适应调整搜索位移实现反馈更新和迭代优化，能够精确估计回波振动相位并抑制图像模糊，从而获得高质量的聚焦太赫兹SAR图像.仿真与实测数据的对比结果验证了本文所提的TAMVM振动模型的合理性和可行性，以及所提自适应运动补偿方法在精准聚焦太赫兹SAR图像与抑制虚假成像点方面的优越性.
针对单一容量衰退模型在锂离子电池剩余寿命（Remaining Useful Life，RUL）预测中工况泛化能力不足的问题，本文提出一种基于交互式多模型粒子流滤波（Interactive Multiple Model Particle Flow Filter，IMM-PFF）的预测方法.通过粒子流滤波对指数、多项式和生物模型进行协同状态估计，并基于交互式多模型框架动态融合多模型预测结果，从而自适应匹配电池衰退的多阶段特性.将美国NASA、马里兰大学等不同工况的锂离子电池退化数据集划分为3个时期，对本文的方法进行验证.结果表明，相比单一模型粒子滤波方法，IMM-PFF的容量预测均方根误差和剩余寿命预测误差分别降低24.3%和4.5%，为复杂工况下的锂离子电池寿命预测提供了高精度、强鲁棒性的新思路.
针对移动机器人领域自适应蒙特卡洛定位算法（Adaptive Monte Carlo Localization，AMCL）在相似及变化场景下易失效的问题，本文提出基于改进YOLOv8构建语义链表为AMCL提供预定位位姿的方法，改变粒子权重更新方式，进而提升定位准确性和鲁棒性.以YOLOv8为基础，结合信息聚集-分发机制和注意力尺度序列融合模块增强其Neck部分特征融合能力，并对模型进行剪枝，提升精度和速度；利用激光SLAM（Simultaneous Localization And Mapping）构建二维栅格地图，通过改进的YOLOv8提取物体语义并映射到地图上，得到二维语义地图，根据各连续语义物体之间的关系构建语义链表；在定位过程中，将机器人识别到的物体语义信息与语义链表进行匹配，为AMCL提供预定位位姿，改变其粒子更新方式进行精确定位，并基于词袋模型降低免疫障碍物遮挡导致的语义链断裂.在相似及变化场景下进行定位对比实验，实验结果验证了本文算法的有效性.
近年来，随着智能移动设备的普及和强大的传感能力，移动群智感知（Mobile CrowdSensing，MCS）已成为大规模感知城市动态的一种有潜力的技术.MCS中一个核心问题是如何从众多工人提交的嘈杂的感知数据中发现“真值”.同时，真值发现过程中不可避免地面临隐私泄露问题.为应对这一挑战，研究者通常结合本地差分隐私（Local Differential Privacy，LDP）技术，通过对工人数据添加随机噪声实现隐私保护.然而，由于拉普拉斯分布的随机性和无界性，可能会注入大量噪声，从而产生离群点.此外，现有研究往往未能充分建模为满足LDP保护而注入的拉普拉斯噪声，导致求得的“真值”精度低，且现有的真值发现方法通常仅适用于离散值或无法严格满足LDP约束的问题.针对上述问题，本文提出一种基于LDP的面向离群点的真值发现算法LEADER.该算法首先对工人提交的数据添加拉普拉斯噪声，以确保工人隐私不被泄露.然后针对离群点问题，采用Huber损失函数作为度量距离，降低离群点对真值估计结果的影响.最后通过引入数据度量方法，优化工人和任务重要性权重分配，并根据提交值之间的相似性对工人进行分组，从而有效保护工人隐私的同时提高估计“真值”的精度.理论分析表明，LEADER算法在严格满足LDP约束的前提下，能够有效处理连续型数据，并实现高精度的真值发现.此外，与非隐私下的真值发现方法相比，LEADER算法在通信开销和计算开销方面保持相近.在两个真实数据集和一个合成数据集上的实验结果表明，LEADER算法的表现显著优于现有对比算法，噪声“真值”精度提升了至少18%.
在开源软件和开源平台中，开发人员可以通过提交issue来记录所发现的软件错误或提出新功能需求.由于缺乏经验、专业水平有限等原因，用户可能无法对issue内容进行准确有效地总结，导致issue标题质量较低，进而降低issue的解决效率.此外，现有的issue标题自动生成方法主要面向GitHub等英文开源平台，当应用在Gitee等国产开源平台时表现不佳.同时，现有方法主要使用issue主体描述作为输入，忽略了issue中的代码片段等重要信息.为此，本文提出一种面向Gitee平台的issue标题自动生成方法GITG（Gitee Issue Title Generation），针对包含中文和英文文本的issue，使用构建的Gitee issue数据集对支持中文的预训练模型Chinese BART（Bidirectional and Auto-Regressive Transformers）进行微调，利用issue主体描述和代码片段的双模态信息来自动生成issue标题.为验证GITG的有效性，构建了包含18 242个Gitee issue样本的数据集.实验结果表明，GITG在ROUGE-1、ROUGE-2和ROUGE-L指标上相较于iTAPE和iTiger分别至少提升了13.09%、10.18%和12.84%，在BLEU和METEOR指标上同样取得了性能提升.人工评价结果表明，GITG生成标题的平均得分在整体分数、流畅性、信息性和简洁性4个评价指标上相较iTAPE和iTiger分别至少提升了26.7%、20.8%、24.2%和20.0%.
鲁棒可逆水印（Robust Reversible Watermarking，RRW）是近年来信息隐藏领域中一个非常新颖和有价值的研究方向，无论是在图像的版权认证还是高保真领域都有较好发展前景.然而，现有的RRW方案抵抗几何变换、常见攻击以及联合攻击的鲁棒性较差.为了解决这些问题，本文提出一种采用整数小波变换（Integer Wavelet Transformation，IWT）和自适应伪Zernike矩的鲁棒可逆水印方案，该方案在提升水印不可感知性的同时具有可逆性和鲁棒性.首先，由原始图像通过IWT得到低频区域计算生成伪Zernike矩的幅度，然后用自适应归一化方法选择合适的矩，再通过改进的带抖动补偿量化索引调制技术将鲁棒水印嵌入到合适的伪Zernike矩中，对带水印的伪Zernike矩进行重构生成水印图像.最后计算其hash值，并将其与水印图像和原始图像之间的误差、重构误差组成辅助信息嵌入水印图像中，在无攻击的情况下实现载体图像的可逆还原.实验结果表明，本方案对常见信号处理和几何变换攻击具有鲁棒性，相较于近几年提出的RRW方案，本方案在不可见性下实现了更好的鲁棒性.
针对可能性模糊C均值聚类（Possibilistic Fuzzy C-Means，PFCM）算法存在重合聚类，未考虑图像空间信息，对噪声鲁棒性差的问题，提出一种区域和邻域级信息相结合的加强型可能性模糊C均值算法.首先，设计了一种新的函数结构抑制重合聚类，该方法通过引入非线性衰减特性，更有效地调节不同隶属度点对不同簇的贡献，降低了簇之间的重合度；其次，通过局部方差约束，将图像区域级信息和其邻域级信息结合，充分利用图像的空间信息，提高对噪声的鲁棒性；最后，将核度量应用于聚类不相似度量，根据图像自有信息自适应地确定核函数带宽参数，进一步提高算法的灵活性.含噪合成图像、脑MRI（Magnetic Resonance Imaging）图像和含噪彩色图像分割实验表明，本文算法在分割结果视觉效果和性能评价指标均优于其他几种比较算法.
无造影剂分割的CT（Computed Tomography）肝脏肿瘤图像在推进结直肠癌伴肝转移瘤筛查方面显示出巨大潜力，能够直接从无造影剂的CT图像中提供可靠的肝脏肿瘤分割结果，避免了造影剂的毒性、CT扫描的辐射和高昂的造影剂费用.本文提出了一种创新的“双模态知识协同驱动的教师-学生模型（Bimodal Knowledge Collaborative Driven Teacher-Student Model， BKC-TS）”，用于精准分割无造影剂的肝脏CT图像中的肝脏肿瘤，显著提升诊疗的安全性、准确性和时效性.BKC-TS利用教师网络学习显性肝脏肿瘤知识，指导学生网络从无造影剂图像中识别几乎不可见的肿瘤.它还协同临床检查文本数据和医学影像数据构建肝脏肿瘤知识，文本作为先验信息指引CT图像中肿瘤的学习过程，提升知识的精准性及指导的准确性.首先，文本-影像协同学习的教师学生框架通过引入文本知识，改进CT图像分辨率低的问题，提高无造影剂图像的肿瘤分割准确性.其次，双模知识融合传递模块通过知识提炼、知识融合和知识传递，深度整合影像和临床数据，有效支持学生网络在无造影环境中的肿瘤定位和识别.最后，高斯分布约束的学生自主学习策略采用学生网络异步迭代计算分割分布的方法，评估并筛选出有益知识，提高学生网络的自主学习能力、泛化能力和鲁棒性.所有实验均在一个泛化的数据集上进行，该数据集包含各1 140张增强前后的CT肝脏图像.实验结果表明，BKC-TS在肝脏肿瘤分割任务上获得了最佳性能（IOU提升至少2.17个百分点），证明了其在无造影剂肝脏肿瘤分割技术发展中的重要作用.
现有的半监督学习方法通常对图像中的所有像素进行同等处理，忽视了图像内不同区域的复杂度差异.这导致模型对于预测难度较高的挑战性区域学习不足，从而降低了其对这些区域的处理能力.此外，由于伪标签是基于当前模型对未标注数据的预测结果生成的，而模型在挑战性区域表现较差，因此不准确的预测增加了伪标签中引入噪声的风险，进而降低了伪标签的可信度.针对上述问题，提出了一种基于可疑像素相互修正的半监督学习框架（Suspicious Pixel Mutual Correction，SPMC）.该框架由两个编码器结构相同，但解码器上采样方式不同的网络构成.首先，设计了一个用于处理标注数据的共困像素筛查（Common Difficulty Pixel Screening，CDPS）模块.通过利用每个网络预测结果中的可疑像素，精准筛查出两个网络都预测困难的共困像素，并使用准确的监督信号对其进行修正，从而提高模型对挑战性区域预测的准确性.其次，设计了一个用于处理未标注数据的软伪标签辅助教学（Soft Pseudo-Label Assisted Teaching，SPLAT）模块.通过利用一个网络生成的软伪标签中的可信像素，选择性地对另一个网络预测结果中的可疑像素进行伪监督.两个网络通过高质量交互来更新参数，从而减少模型的认知偏差并提升伪标签质量.实验结果表明，提出的方法在三种公开医学数据集左心房（Left Atrium，LA）、脑部肿瘤分割（Brain Tumor Segmentation，BraTS）和自动心脏挑战（Automatic Cardiac Diagnosis Challenge，ACDC）上的性能均优于当前主流的半监督学习方法.
随着深度学习理论与技术的快速发展，基于深度学习的光流估计方法在计算精度与鲁棒性方面取得显著提升.然而，受标准卷积感受野局部属性和现有匹配代价体积策略容易产生匹配歧义的限制，当前方法在大位移运动和弱纹理区域普遍存在光流估计精度较低，运动模糊现象较严重的问题.针对上述问题，本文提出一种联合深度可分离残差与多尺度双通道注意力的全局匹配优化光流估计方法.首先，构建联合深度可分离残差块与多尺度双通道注意力的编码模块，在平衡参数量与运算速度的同时获取连续帧间更准确的深度特征.然后，设计基于可学习的全局匹配优化光流估计策略，通过排除遮挡并高效利用全局匹配信息，有效缓解因匹配歧义引起的运动模糊.最后，为了提高模型的训练稳定性与泛化性，本文提出联合全局与局部的光流损失函数，约束模型训练.实验分别采用MPI-Sintel、KITTI-2015和Middlebury测试数据集对本文方法和现有代表性方法进行综合对比分析.结果表明，本文方法在所有对比方法中取得了最优的光流估计精度，尤其在大位移和弱纹理区域具有更好的准确性和鲁棒性.
开集恶意流量识别在网络安全领域发挥着重要的作用.现有文献方法存在模型结构单一，缺乏灵活性；忽视增量训练样本选择，造成分类性能欠优等问题.针对这些问题，本文提出了一种基于双层模型和指标分布的恶意网络流持续检测和分类方法.该方法基于可扩展极限学习机（Scalable Extreme Learning Machine，S-ELM）输出权重与标准输出的关系，设计了改进的最接近皮尔森相关系数、归一化相对方差和归一化“其他”列距离这三个指标，通过相乘最终得到一个综合指标，并结合单分类器来进行未知类检测.为了提高S-ELM在开集识别任务中的连续增量能力，设计了基于综合指标分布的样本筛选方法，选择最优增量训练样本集.与代表性文献方法的对比实验表明，本方法的未知类检测NA指标能改善3%~13%，持续增量更新后的分类Acc性能可以提高约3%~7%.
为解决多模态网络数据平面资源分配和业务流量用网需求的适配问题，文章提出了一种多模态网络环境下网络模态共存与优化部署方法.该方法充分考虑多模态网元资源约束、链路资源约束、流量转发延迟等关键约束以保障用户服务质量，并通过联合路由优化的方法确保每种网络模态的连通性.由于直接建模后的网络模态部署问题是非凸问题，难以直接求解，因此文章将原问题等价转换为0-1整数线性规划问题，并在此基础上设计基于随机舍入的网络模态部署与路由选择算法.理论分析表明，该算法具有 的近似比性能，其中 是网络中多模态网元的数量.仿真实验结果表明，所提方案可实现网络模态在数据平面的高效部署.在满足网络资源、流量转发延迟约束的前提下，通过3~6种不同数量网络模态分别在8 000条流的情况下进行实验，结果表明，所提算法相较于对比算法可有效降低13%~22%的链路负载.
随着车联网（Internet of Vehicles，IoV）和智能交通系统的兴起，计算成本的增加和问题规模的扩大使得实时应用的实现变得极具挑战性，同时也为车载边缘计算（Vehicular Edge Computing，VEC）带来了大量亟待并行求解的组合优化问题.这些复杂的实际问题往往具有非凸性、不可微性，甚至存在黑盒目标与约束条件，可能会超出传统数学方法的解决范围.进化多任务优化（Evolutionary Multi-Task Optimization，EMTO）作为一种新兴的多任务优化范式，通过充分利用任务间的潜在相关性，能够有效地实现多个独立优化任务的并行求解.本文设计了一种IoV显式EMTO框架，结合IoV任务的特点，深入挖掘任务间隐含的关联性，并提出了一种基于车辆位置映射和相关性评估的IoV EMTO算法.针对IoV环境下的多任务优化问题，本文对车-路数据路由（Data Routing，DR）、车-路服务迁移（Service Migration，SM）、车-车消息传输（Message Transmission，MT）和车-车任务卸载（Task Offloading，TO）四个问题进行联合优化，目标是在限定时间内最大化各个任务的交付率.进一步地，为了在任务相关性未知的情况下提升相关任务间的知识迁移效率，本文在算法中设计并引入了基于任务相关性评估的迁移机制.具体而言，通过计算链路间最长公共子序列来计算链路的相似度，针对不同的相关性分布情况设计了三种迁移策略，以确保算法在不同场景下的知识迁移能力.最后，本文通过实验验证和性能评估，验证了所提框架和算法的有效性，与其他的EMTO算法相比，本文所提算法在各优化问题上的收敛速度更快，种群间知识迁移后的求解效果更好，展现出良好的性能.
迪菲-赫尔曼（Diffie-Hellman，DH）密钥交换协议，作为一种被广泛采用的密码学协议，在多种加密应用场景中发挥着关键作用.然而，鉴于量子计算技术的快速发展，DH协议面临量子攻击的重大威胁，迫切需要开发具备抗量子安全性的替代方案.其中，基于格的密钥交换协议是构建抗量子密钥交换协议的主要方法之一.本文首先系统梳理了基于格的类DH密钥交换协议的设计，然后指出了该类协议与传统DH协议的两大显著差异：其一，协议严格禁止密钥重用，以避免由此引发的两种潜在密钥恢复攻击，这一限制显著影响了协议的灵活性与效率；其二，协议通常需要额外的交互，这不仅增加了通信复杂度和延迟，还导致其在实际应用环境中的效率下降.这些差异使得基于格的类DH密钥交换协议在直接替代传统DH协议时难以继承全部优势.为减轻抗量子迁移的成本，并实现与现有系统的无缝对接，探索设计支持密钥重用的非交互式类DH密钥交换协议，已成为当前密码学领域的一个重要研究方向.此类协议旨在保留DH协议的高效性与易用性，同时增强对量子攻击的抵抗力.最后，通过对此类协议优势与挑战进行深入剖析，本文明确了未来研究的方向，旨在进一步优化协议设计，提升性能，推动抗量子迁移技术的发展.
风格迁移作为图像编辑领域的一个关键研究方向，在艺术创作等领域展现出广泛的应用前景.自Gatys等人提出使用深度卷积特征间相关性捕获纹理信息并基于此实现风格迁移后，大量基于神经网络的风格迁移算法不断涌现.近年来随着各式生成模型的兴起，将生成对抗网络、扩散模型等生成模型引入风格迁移工作获得了新的关注.此外，图像-文本跨模态任务的突破使得文本引导条件下的图像风格迁移成为可能.本文对当前先进的研究方法进行分类和描述.具体地，依据引导条件差异，将现有方法划分为图像引导的图像风格迁移方法、文本引导的图像风格迁移方法；依据网络架构的不同，将现有方法细分为基于自编码器的方法、基于生成对抗网络的方法、基于扩散模型的方法以及基于其他模型架构的方法，对当前图像风格迁移技术的研究进行全面的综述与分析.随后，介绍了图像风格迁移任务的数据集和评价体系，并从定量与定性方面对部分最先进的图像风格迁移方法进行实验和比较.最后，讨论了当前图像风格迁移技术面临的挑战，并对未来研究方向提出了展望.
