针对目前基于Docker容器的取证技术缺陷, 提出一种基于Docker主机的调查取证模型, 并根据该取证模型中Docker主机所处不同状态给出有针对性的数据取证方法. 实验结果表明, 利用该模型取证能更有针对性地获取相关电子证据.

首先, 针对目前现有技术无法自动抽取软件仓库、 标记数据、 构建质量分析模型和分析软件质量的问题, 提出一个针对Python项目的即时软件质量分析框架GIF. 其次, 基于GIF抽取并标注GitHub上最受欢迎的前10个Python项目, 使用3个经典分类器（逻辑回归, 朴素Bayes和随机森林）在AUC和F₁值评价指标上进行实验验证. 实验结果表明, GIF框架可即时、 有效地识别Python项目中的软件缺陷, 是一个方便使用的即时软件质量分析框架.

针对图像语义分割中多尺度类别下目标分割率低、 图像上下文特征信息关联性较差的问题, 提出一种融合注意力机制和多尺度特征的图像语义分割模型. 该模型用改进的带孔空间金字塔池化增加多尺度目标的分割, 用注意力细化模块捕获上下文信息以启发特征学习, 并加入基于注意力机制的特征融合有针对性地监督重要通道特征的学习, 引导高、 低阶特征融合, 以提高模型的泛化能力. 通过在数据集Cityscapes上的仿真实验结果表明, 该模型的平均交并比相比DeepLab v3+提升了1.14%, 证明了该模型具有较好的鲁棒性.

间充质干细胞外泌体（MSC-Exos）是一类在实验研究及临床应用中具有巨大潜力的纳米级囊泡， 含有多种生物分子， 包括miRNA、 mRNA、 蛋白质和脂质等， 具有介导细胞信号传导和参与调控受体细胞的功能. 基于MSC-Exos的重要作用， 从研究进展及临床应用等方面综述MSC-Exos在促进组织修复、 免疫调节和神经保护方面的显著效果， 尤其在自身免疫性疾病、 神经退行性疾病、 心血管疾病及肿瘤方面的治疗中发挥重要作用， 并分析其临床应用面临一系列尚未解决的问题及应用普及的挑战， 包括阐明作用机制、 分离提取纯化技术、 制订标准化生产规则、 确定剂量和给药途径、 增强稳定性和降低免疫原性等， 为解决这些局限性， 实现MSC-Exos在临床上的广泛应用提供依据. 

针对传统游戏智能体算法存在模型输入维度大及训练时间长的问题, 提出一种结合状态信息转换与奖励函数塑形技术的新型深度强化学习游戏智能引导算法. 首先, 利用Unity引擎提供的接口直接读取游戏后台信息, 以有效压缩状态空间的维度, 减少输入数据量； 其次, 通过精细化设计奖励机制, 加速模型的收敛过程; 最后, 从主观定性和客观定量两方面对该算法模型与现有方法进行对比实验, 实验结果表明, 该算法不仅显著提高了模型的训练效率, 还大幅度提高了智能体的性能.

针对目前小样本学习中存在的问题, 设计一种新的网络结构及其训练方法以改进小样本学习. 该网络在特征嵌入部分采用卷积网络并结合多尺度滑动池化方法以增强特征提取. 网络主体结构为类孪生网络, 以便于通过样本间的对比从小样本数据中学到语义. 网络的训练方法采用嵌套层次的参数更新以保证收敛的稳定性. 在两个经典小样本学习数据集上与常用的视觉模型和前沿小样本学习方法进行了对比实验， 实验结果表明, 该方法在小样本学习的精度上有显著提升, 可作为样本不充足情况下的解决方案.

移动互联网信息无障碍（mobile Internet information accessibility, MIIA）旨在确保移动应用内容对所有用户（包括视障人士等）都能平等、 便捷、 无障碍地获取和使用. 系统综述移动互联网信息无障碍领域的最新研究进展, 重点分析总结移动端GUI(graphical user interface)语义表征与理解、 无障碍检测以及布局修复等方面的研究成果. 分析表明, 从传统启发式规则方法到深度学习驱动的自动化工具, 相关技术逐渐提升了检测的精度和适应性, 同时也揭示了在应对复杂动态交互和多样化用户需求方面的挑战, 并对未来研究方向进行了展望. 移动互联网信息无障碍技术已显著改善了视障用户的数字体验, 但仍需不断创新与优化, 以实现真正普惠与包容的数字社会.

建立一种基于液相色谱\|高分辨串联质谱（LC-HRMS/MS）方法检测牛奶中A1和A2 β-酪蛋白. 采用等电点沉淀法从牛奶中提取酪蛋白, 经胰蛋白酶酶解后, 将酶解产物进行LC-HRMS/MS分析, 选择含有差异氨基酸残基（第67位）的肽段作为特征肽段对A1和A2 β-酪蛋白进行区分. 采用Tris-HCl缓冲溶液充分溶解酪蛋白, 在酶解反应体系中添加乙腈以提高酶解效率. 采用高分辨质谱和串联质谱技术, 进一步排除杂质产生的干扰信号. 采用该方法对市售4种普通牛奶和2种A2牛奶进行检测, 结果表明， 普通牛奶中A1 β-酪蛋白的含量约为A2 β-酪蛋白含量的2~4倍, 个别A2牛奶样品含微量A1 β-酪蛋白. 该方法可检测牛奶中的A1和A2 β-酪蛋白, 具有高可靠性、 高灵敏度等优点, 为A2奶源筛选和质量控制提供支持.

针对现有空间众包中的任务分配大多只考虑单边、 短期利益和单一场景的问题, 提出一种基于多智能体深度强化学习的空间众包任务分配算法. 首先定义一种新的空间众包场景, 其中工人可以自由选择是否与他人合作； 然后设计基于注意力机制和A2C(advantage actor-critic)方法的多智能体深度强化学习模型进行新场景下的任务分配； 最后进行仿真实验, 并将该算法与其他最新的任务分配算法进行性能对比. 仿真实验结果表明, 该算法能同时实现最高的任务完成率和工人收益率, 证明了该算法的有效性和鲁棒性.

考虑组合优化问题中的经典问题旅行商问题(traveling salesman problem, TSP)的变体——足够接近的旅行商问题(close-enough traveling salesman problem, CETSP). 首先, 综合介绍TSP和CETSP的历史、 求解方法和算法, 包括精确算法（如分支定界法、 线性规划）和启发式算法（如粒子群优化、 贪心算法等）. TSP要求在给定城市列表和距离的条件下, 找到访问每座城市一次并回到起点的最短路径. CETSP是TSP的推广, 允许在每个目标的邻域内选择任意点进行访问, 而非精确位置, 适用于可容忍误差的实际应用, 如物流配送、 智能交通、 无线传感器网络等. CETSP具有更高的灵活性和适应性, 可大幅度减少计算资源和时间消耗, 特别在大规模问题中有更大优势. 其次, 介绍CETSP在实际应用中的潜力, 尤其在物流、 工业制造、 交通规划、 信息通讯等领域, 为提高效率、 降低成本、 推动智能化决策提供了有效解决方案. 最后, 指出了CETSP的一些未来研究方向.

随着化石燃料的迅速消耗和污染的日益严重， 开发和利用清洁能源越来越重要. 将太阳能转化为清洁氢能的光催化技术是一种有效的解决方案. 由于受水分解电极电位的限制， 需解决光催化剂带隙与太阳光强度之间的矛盾， 因此， 开发和利用具有可见光响应能力的光催化剂具有重要意义. 综述光催化剂的发展和光催化原理， 讨论其巨大的发展潜力， 并介绍最常见的几种光催化剂和现阶段的研究进展. 

针对YOLO_v4模型因颈部网络串行连接的特征会逐渐被稀释, 从而影响模型性能的问题, 提出一种改进多尺度特征的YOLO_v4目标检测方法. 该方法通过引入中间层的方式重构了YOLO_v4颈部网络结构, 再通过中间层参与后续特征融合实现特征跨级连接, 并使用可通过网络学习的参数作为特征间的平衡因子进行特征加权融合. 在数据集VOC-2007和VOC-2012上的实验结果表明, 该方法可使模型平均精度提高1.3%, 并可有效提升模型对不同目标的检测能力.

将两种传统基于内存的协同过滤方法相结合, 提出一种基于数据的GitHub项目个性化混合推荐方法. 该方法不仅可动态地计算相似用户以保证推荐的个性化, 且只用很小规模的相似用户便可得到与基于项目的方法相近的推荐质量； 同时, 该方法通过建立倒排表和利用K均值分类, 在一定程度上解决了原方法在面对GitHub用户及项目数量级较大但交叉度较低的数据集时数据稀疏和冷启动问题. 通过与传统方法进行对比实验, 验证了该方法的有效性和优越性.

针对多维时间序列分析传统方法多数需要依靠手动建立时间依赖关系探索历史数据中隐含规律的问题, 提出一种自回归神经网络方法. 首先, 通过卷积神经网络（CNN）和双向长短期记忆网络（LSTM）构成神经网络分别捕获多维输入特征和时间序列中存在的复杂依赖关系, 并结合传统的自回归方法对线性关系进行特征提取； 其次, 在不同领域的两个数据集上与多个经典模型进行对比实验， 结果表明, 该模型预测性能最优, 并能成功捕获数据中存在的重复模式； 最后, 用消融实验验证了该模型框架的高效性和稳定性.

针对基于降维的神经网络分类器预测模型在分析过程中存在特征丢失, 并导致精度下降的问题， 提出一种基于随机森林算法优化的多层感知器(MLP)回归预测模型. 该优化模型通过在MLP回归模型网络的全连接层和逻辑回归层之间增加一个优化机制, 利用随机森林算法对隐藏层状态的优化实现改进, 从而解决了降维过程中神经网络丢失数据特征的问题. 在借贷客户信息数据集上的实验结果表明, 该模型在保证主要特征的同时大幅度提升了预测准确率, 证实该模型在特征工程中具有较高的实用性.

针对现有方法在腹部中小器官图像分割性能方面存在的不足, 提出一种基于局部和全局并行编码的网络模型用于腹部多器官图像分割. 首先, 设计一种提取多尺度特征信息的局部编码分支; 其次, 全局特征编码分支采用分块Transformer, 通过块内Transformer和块间Transformer的组合, 既捕获了全局的长距离依赖信息又降低了计算量; 再次, 设计特征融合模块, 以融合来自两条编码分支的上下文信息; 最后, 设计解码模块, 实现全局信息与局部上下文信息的交互, 更好地补偿解码阶段的信息损失. 在Synapse多器官CT数据集上进行实验, 与目前9种先进方法相比, 在平均Dice相似系数(DSC)和Hausdorff距离(HD)指标上都达到了最佳性能, 分别为83.10%和17.80 mm.

针对当前网络攻击的复杂性和多样性, 传统模型提取流量特征不足且准确率较低的问题, 提出一种融合残差网络改进的CR-BiGRU混合模型的网络入侵检测方法. 首先将数据集进行归一化以及独热编码处理, 然后利用基于残差网络的卷积神经网络提取空间特征, 最后使用双向门控神经网络提取时间特征, 完成模型的训练并实现异常网络的入侵检测. 为表明模型的适用性, 基于数据集NSL-KDD和UNSW-NB15进行对比分析实验, 结果表明, 该方法基于上述数据集准确率分别达99.40%和83.79%, 明显优于经典网络入侵检测算法, 能有效提升检测网络入侵的精度, 从而更好保证网络数据的通信安全.

首先， 综述几种主要类型的纳米铁氧体基核壳结构复合吸波材料的最新研究和应用进展, 介绍相应的制备方法及其优缺点, 然后总结纳米铁氧体基核壳结构复合吸波材料研究领域面临的主要问题, 最后展望未来的研究发展方向.

针对图像识别中获取全局特征的局限性及难以提升识别准确性的问题, 提出一种基于随机增强Swin-Tiny Transformer轻量级模型的图像识别方法. 该方法在预处理阶段结合基于随机数据增强（random data augmentation based enhancement, RDABE）算法对图像特征进行增强, 并采用Transformer的自注意力机制, 以获得更全面的高层视觉语义信息. 通过在玉米病害数据集上优化Swin-Tiny Transformer模型并进行参数微调, 在农业领域的玉米病害上验证了该算法的适用性, 实现了更精确的病害检测. 实验结果表明, 基于随机增强的轻量级Swin-Tiny+RDABE模型对玉米病害图像识别准确率达93.586 7%. 在参数权重一致, 与性能优秀的轻量级ransformer、 卷积神经网络(CNN)系列模型对比的实验结果表明, 改进的模型准确率比Swin-Tiny Transformer,Deit3_Small,Vit_Small,Mobilenet_V3
Small,ShufflenetV2和Efficientnet_B1_Pruned模型提高了1.187 7%~4.988 1%, 且能迅速收敛.

核盘菌（Sclerotinia sclerotiorum (Lib.) de Bary）是世界性的死体营养型植物病原真菌， 寄主范围极广， 所引起的大豆和油菜等菌核病会导致农业生产的巨大经济损失. 核盘菌致病机制复杂， 不仅具有直接杀死细胞的典型死体营养阶段， 也包含需抑制植物免疫的短暂活体营养期. 核盘菌具有种类繁多的致病因子， 包括介导侵染结构形成或抗逆能力的关键调控因子、 降解植物细胞组分的水解酶、 草酸、 诱导植物细胞死亡或抑制植物免疫的效应蛋白等. 综述核盘菌侵染模型， 总结各种致病因子， 尤其是效应蛋白在核盘菌致病中的作用， 并结合最新研究结果对核盘菌致病新机制进行展望， 为作物菌核病的防控提供理论依据.

针对皮肤病变区域尺度不同和形状不规则, 传统U-Net网络方法缺乏从不同尺度分析目标的鲁棒性, 并在提取图像高层语义特征时丢失部分空间上下文信息而影响后续分割精度等问题, 提出一种基于U-Net多尺度和多维度特征融合的医学图像分割方法. 首先, 用空洞卷积融合不同尺度的空间上下文信息; 其次, 用通道上下文信息融合模块提取特征图各通道间的权重信息; 最后, 将特征图中的多尺度和多维度信息进行融合, 以保留更多的空间上下文信息. 实验结果表明, 该方法在皮肤病变数据集上对皮肤病变区域进行分割的分割效果较好.

构造一个含有参数的光滑激活函数用于深度学习神经网络, 通过基于误差反向传播算法建立参数的在线修正公式, 避免了梯度弥散、 不光滑及过
拟合等问题. 与一些常用的激活函数进行对比实验结果表明, 新的激活函数在多个数据集上效果均较好.

基于基因治疗作为从根本上治疗疾病的技术手段， 为类风湿性关节炎的治疗带来新的思路和方法， 综述类风湿性关节炎基因治疗的相关研究进展， 包括小干扰RNA（siRNA）、 微小RNA（miRNA）、 DNA， CRISPR/Cas9系统、 脱氧核酶以及一些其他技术， 为基因治疗在类风湿性关节炎领域的应用提供借鉴思路， 并为类风湿性关节炎患者提供更有效、 更具针对性的治疗方案．

针对现有多语言模型在预训练过程中对多语言数据集的利用效率低, 导致跨语言上下文学习能力不足, 进而产生语言偏差的问题, 提出一种基于交替语言数据重构方法的跨语言文本相似度模型. 该方法通过对称地替换平行语料中的中英文词语, 形成重构的预训练文本对, 并利用上述文本对对多语言大模型mBERT（BERT-based-multilingual）进行基于数据重构的针对性预训练和微调处理. 为验证该模型的可行性, 在联合国平行语料数据集上进行实验, 实验结果表明， 该模型的相似度查准率优于mBERT和其他两种基线模型，其不仅可以进一步提高跨语言信息检索的准确性, 并且可以降低多语言自然语言处理任务的研究成本.

基于高效液相色谱（HPLC）法和网络药理学方法研究蒲公英中抗氧化活性成分及作用机制. 采用石油醚、 乙酸乙酯、 二氯甲烷和正丁醇等有机试剂分别提取中草药蒲公英的有效成分， 研究其抗氧化效果， 同时采用网络药理学多个在线数据库获取蒲公英抗氧化共有靶点， 构建 PPI网络, 并进行GO富集分析和KEGG信号通路富集分析.  结果表明： 蒲公英各相提取物对羟自由基（.OH）、 超氧阴离子自由基（O^2-.）和1,1-二苯基-2-三硝基苯肼自由基（DPPH.）均有一定的清除能力，蒲公英乙酸乙酯相提取物和蒲公英二氯甲烷相提取物的清除效果较好， 主要的抗氧化活性成分为异鼠李素和齐墩果酸； 线上数据库筛选出蒲公英抗氧化靶点有137个， 共有靶点主要集中在膜筏上， 通过细胞对无机物、 氮化物和营养水平的反应起抗氧化作用；  共有靶点与癌症信号通路、 NF-κappa B信号通路和PPAR信号通路等密切相关. 

以丙烯酸羟乙酯、 ι-卡拉胶、 聚乙烯醇和氯化钙为原料， 采用自由基聚合和冻融循环两步法制备水凝胶， 并对水凝胶的机械性能、 自恢复性能、 溶胀性能、自愈合、抗疲劳性能和导电性进行测试和分析. 结果表明： 水凝胶具有较高的机械强度， 其断裂应力为625.77 kPa， 断裂伸长率为604.48%；  水凝胶溶胀率较低， 且具有优异的自恢复性、 抗疲劳性和导电性. 

针对细粒度图像分类中数据分布具有小型、 非均匀和不易察觉类间差异的特征, 提出一种基于注意力机制的细粒度图像分类模型. 首先通过引入双路通道注意力与残差网络融合对图像进行初步特征提取, 然后应用多头自注意力机制, 达到提取深度特征数据之间细粒度关系的目的, 再结合交叉熵损失和中心损失设计损失函数度量模型的训练. 实验结果表明, 该模型在两个标准数据集102 Category Flower和CUB200-2011上的测试准确率分别达94.42%和89.43%, 与其他主流分类模型相比分类效果更好.

复对称算子是指Hilbert空间上具有对称矩阵表示的线性算子. 综述近年来复对称算子的主要研究进展及若干公开问题, 包括特殊复对称算子、 约化子空间、 范数闭包问题和代数性质等.

为研究粟酒裂殖酵母sgf73基因缺失后的关键基因和关键代谢通路， 采用RNA-Seq测序技术对野生型酵母菌株及sgf73基因缺陷型菌株进行测序及生物信息学分析， 并进行GO和KEGG功能富集分析.  结果表明： sgf73基因缺陷型菌株中高表达基因有1 834个， 极高表达基因有6个， 且有1 714个差异表达基因， 包括934个上调基因， 780个下调基因;   sgf73基因敲除导致细胞代谢和跨膜转运过程异常变化;   MAPK信号通路中参与周期调控cki1,cki2和cdc25基因的下调导致sgf73Δ菌株有丝分裂时间延长； 调控细胞骨架rgf2,rho1和stt4基因的下调导致sgf73Δ菌株肌动蛋白环收缩异常.

针对多样化网页上视障用户导航的难题, 提出一种自动标识导航栏地标的方法, 以提高网页无障碍性. 首先, 通过设计启发式规则, 根据导航栏内有序元素排列以及子元素内常含超链接和精炼文字等规则, 自动提取导航栏内的元素; 其次, 采用决策树二分类算法, 用于分类导航栏中特征差异显著的元素; 最后, 对已识别的导航栏元素进行地标属性注入. 在对100个网站的实验评估中, 该方法成功识别了92.6%的导航栏元素, 而注入的地标属性则显著提升了网站的无障碍性能, 从而改善了视障用户的使用体验.

SWEET蛋白是一类新型糖转运蛋白， 负责介导细胞中糖类的双向跨膜运输， 在植物生长发育过程中具有韧皮部装载， 植物激素转运， 花、 果实和种子的发育， 植物与病原物之间的互作以及植物和微生物之间共生等重要功能， 是植物与病原物互作过程的重要参与者.  总结SWEET蛋白在生物胁迫中的应答机制以及植物与病原物（细菌、 真菌、 线虫和病毒）互作中SWEET基因的代谢特征、 调控途径及特异性防御反应，  并讨论使用基因编辑工具编辑SWEET基因增强植物对病原物的抗性及其在农业领域中的应用. 为深入研究SWEET蛋白参与植物-病原物互作的机制及利用SWEET基因进行抗病育种提供参考. 

针对DoubleMix算法在数据增强时的非选择性扩充及训练方式的不足, 提出一种基于双层数据增强的监督对比学习文本分类模型, 有效提高了在训练数据稀缺时文本分类的准确率. 首先, 对原始数据在输入层进行基于关键词的数据增强, 不考虑句子结构的同时对数据进行有选择增强； 其次, 在BERT隐藏层对原始数据与增强后的数据进行插值, 然后送入TextCNN进一步提取特征； 最后, 使用Wasserstein距离和双重对比损失对模型进行训练, 进而提高文本分类的准确率. 对比实验结果表明, 该方法在数据集SST-2,CR,TREC和PC上分类准确率分别达93.41%,93.55%,97.61%和95.27%, 优于经典算法.

将人工培育的肉灵芝浸提物作用于秀丽隐杆线虫氧化损伤模型， 评价其毒性影响及抗氧化功效. 采用紫外全波长扫描法确定浸提物主要成分, 采用寿命和产卵量测定法评价浸提物毒性, 通过活性氧检测(DCF)法检测自由基含量以评价浸提物抗氧化功效， 采用转录组学分析法探究浸提物潜在作用靶点. 实验结果表明：肉灵芝浸提物的主要成分为醌类和蛋白质； 浸提物无明显毒副作用；2.5 mg/mL浸提物对损伤线虫抗氧化能力显著， 可有效调控热激蛋白家族（hsp-16.1,16.11，16.48,16.49）、超氧化物歧化酶(sod-5）、线粒体内膜易位酶（timm-23）、 金属硫蛋白-1（mtl-1）和Skp1蛋白家族相关基因的表达. 可见人工培育肉灵芝浸提物可通过寿命调节信号通路发挥明显的抗氧化功效， 并具有潜在的调控脂肪代谢和促进蛋白合成能力.

针对梯度提升决策树（gradient boosting decision tree, GBDT）参数难以选择的问题, 提出一种基于改进鲸鱼优化算法（improved whale optimization algorithm, IWOA）的GBDT回归预测算法. 首先, 提出一种改进的鲸鱼优化算法, 利用混沌映射初始化种群提高种群多样性, 引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题； 其次, 利用IWOA对GBDT的关键参数寻优, 避免参数选择的盲目性, 提高回归预测模型的泛化能力； 最后, 建立IWOA-GBDT回归预测模型, 并利用UCI数据集对模型进行验证. 实验结果表明, 相比于决策树、 支持向量机、 Adaboost和GBDT算法, 该模型算法具有更好的拟合效果, 并有一定的实用价值.

综述超大规模集成电路(VLSI)布图规划方法, 探讨布图规划在集成电路设计中的重要性, 以及其对芯片面积、 互连线长和设计周期的影响. 首先, 回顾集成电路技术的发展历程, 强调布图规划在确定模块位置、 尺寸和旋转角度中的作用. 其次, 详细介绍4类主要的VLSI布图规划方法： 直观构造方法、 分析法、 迭代法和基于机器学习的方法. 再次, 讨论两个VLSI设计领域中常用的基准数据集MCNC和GSRC对测试和评估布图设计方法的重要性. 最后, 总结布图规划领域的研究进展, 并指出未来的研究方向.

提出一种自动识别安卓应用中可读文本缺失问题组件的方法, 以提高应用的可访问性. 首先, 利用UI Automator提取应用的图形用户页面, 并对无关组件进行裁剪, 同时补全组件属性, 以生成相应的视图树; 其次, 设计3种启发式规则, 以识别视图树中存在可读文本缺失的组件, 通过对6个热门应用的评估实验, 该方法以平均97%的准确率成功识别了问题组件; 最后, 生成的测试报告通过在源码与截图中标记问题组件, 帮助应用开发者清晰定位并修复缺失的可读文本. 该研究成果不仅能有效改善视障用户的使用体验, 使他们更顺畅地与应用进行交互, 还为开发者提供了一种实用的工具, 促进安卓应用的整体可访问性提升. 通过这样的方式, 开发者可以更好地理解和解决可访问性问题, 为所有用户创造一个更友好的数字环境.