数字音频资源的爆炸式增长对媒体库高效去重技术提出了迫切需求，然而现有音频指纹技术普遍面临“效率-鲁棒性-精度”难以协同优化的挑战。为克服这一局限，提出一种基于多特征域融合的音频指纹比对方法。该方法通过联合提取时域、频域与音色特征，构建了一个90维的特征向量，以提升对跨格式转码与演唱版本差异的鲁棒性。在此基础上，设计了一种分级比对架构，利用短片段预筛机制快速排除非匹配对，并结合动态时间规整算法解决演唱时序偏移问题，从而在保持高精度的同时显著降低了计算复杂度。实验结果表明，本方法在翻唱版本识别和跨格式比对任务中均优于传统基准方法，为复杂场景下的音频去重提供了一种高效且可扩展的解决方案。
针对当前了苹果病害领域知识图谱研究较少，病害知识难以有效利用等问题，提出了一种面向苹果病害领域的知识图谱构建方法。该方法首先进行苹果病害知识图谱的模式层构建，定义了苹果病害的实体和关系。其次，针对深度学习模型训练数据缺乏问题，构建了苹果病害中文数据集，并利用联合抽取模型E-Global-Pointer对从专业书籍和网站收集的数据进行知识抽取，实验结果表明，该模型在自建的苹果病害中文数据集上F1值达到83.23%，优于其他同类模型。随后采用实体对齐的方法进行知识融合，以减少实体冗余。最后通过Neo4j图数据库将所得苹果病害三元组进行存储与可视化，构建苹果病害知识图谱，为苹果病害的防治工作提供了有效的数据支持。
针对在真实场景下易混淆方言语种识别困难的问题，提出了一种改进的多分辨率耳蜗图多任务学习的方言语种识别方法。首先，该方法通过利用小波变换多分辨率理论特点，从不同维度获取音频信号，以提取特征参数；其次，采用新型分数阶小波模拟信号在耳蜗基底膜上的传递，利用分数阶小波变换的时频域分析能力，提升信号特征表达性能；最后，结合中国方言的复杂多样性，构建参数硬共享的多任务学习模型，引入动态参数调节机制对不同任务损失函数进行自适应权重分配。实验结果表明，改进后的DMRCGG特征与传统多分辨率耳蜗特征相比，在不同信噪比环境下均显著提高了方言语种识别的准确率，最高识别率达83.7%。
从投资者实地访问视角出发，选取2013—2023年深交所非金融类上市公司为样本，考察实地访问对企业的研发操纵行为影响。研究表明，投资者实地访问与研发操纵行为存在显著负相关关系。机制分析发现，投资者实地访问主要通过缓解融资约束与提高媒体研发关注进而抑制研发操纵行为。异质性分析显示，当企业属于高科技行业，投资者为“熟人”、机构投资者、投资者关注研发时，实地访问对研发操纵行为的抑制效果更显著。拓展性分析发现，企业对投资者提问的回复质量会影响实地访问对研发操纵行为的治理效果。研究不仅为治理研发操纵行为提供新的外部渠道，也为监管部门制定政策提供参考依据。
提出一种融合变指数趋近律（Variable Exponential Reaching Law,VERL）与酶催化反应动力学（Enzyme-catalyzed reaction kinetics,ECRK）的新型自适应双滑模控制策略。其中，ECRK通过将滑模面状态类比为底物浓度、将趋近速度映射为酶促反应速率，构建状态依赖的非线性增益调节机制，实现大误差区高增益快速响应与小误差区低增益平滑切换。电压外环采用VERL形式的柔性自适应趋近律，实现误差幅值驱动的趋近速率调节，抑制固定增益引发的指令突变，电流内环采用ECRK自适应增益机制，抑制因固定增益切换强度大所引发的高频抖振。内外环自适应机制分别从指令生成与跟踪执行环节入手，抑制内外环趋近律均采用固定增益引发的高频抖振问题。结果表明，与传统方法相比，所提策略电压稳态误差由±0.6 V降至±0.05 V，交流侧电流总谐波失真（Total Harmonic Distortion,THD）由3.86%降至1.78%，负载突变和电网扰动后的恢复时间分别由0.04 s和0.045 s缩短至0.02 s和0.03 s，系统抖振得到有效抑制。
以甘蔗渣、橘子皮和笋衣等农业废弃物为原料，通过碳化与造孔两步工艺制备3种生物质炭。测试结果表明，所得生物质炭具有丰富的三维孔道网络结构，其比表面积分别高达802.86、988.94和647.78 m2/g。以300W氙灯为光源光照3min后，材料表面温度分别从室温升高到178.7℃、168.5℃和145.3℃，表现出显著的光热效应。在25℃、1 bar条件下，3种生物质炭对CO2的吸附量分别达到2.14、2.47和2.87 mmol/g，展现出高效的CO2捕集能力。本研究为高值化利用农业废弃物构建高孔隙结构碳材料及碳中和目标下的碳捕集技术的开发提供了新策略。
短时人体行为信号信息量有限，通常呈现非平稳性，且缺乏足够的判别信息。通常可通过变分模态分解结合的希尔伯特变换（VMD-HT）构建三维的希尔伯特谱以解决非平稳问题。然而，三维表示在识别过程中易出现特征重叠，从而造成短时特征的损失。因此，可将三维的希尔伯特谱解析并投影到二维子空间，以避免遮挡并实现对短时行为信号的更精细表达。此外，单一二维投影难以充分反映三维的希尔伯特谱中复杂的时频结构，而多视图解析能够从不同表示角度刻画其时频结构。基于此，本文提出一种基于三视图解析的希尔伯特谱方法，通过投影生成三个互补的二维特征子空间，实现对短时人体行为信号的精准有效表征。考虑到不同子空间对行为识别的贡献存在差异，引入Squeeze-and-Excitation注意力模块（SE-Layer）结合ResNet-34网络，构建SE-ResNet-34模型，对三视图特征进行自适应加权与深层特征学习。该方法在PAMAP2、NOITOM和WARD数据集上分别取得95.07%、98.09%和98.57%的识别率，验证了其在一定程度上能够增加短时信号的利用率，识别性能可与长时行为识别方法相当。
为了揭示Ghodosi等人构造的理想的和完美的MLSS方案（ACISP 1998）的安全缺陷,利用有限域理论和线性代数等工具，分析参与者利用其份额构建的方程组的解空间特性，揭示了该方案潜在安全缺陷的理论本质。进一步给出三个具体案例，成功攻击了方案的正确性与安全性。结果表明该方案所谓的授权集存在不能重构秘密的情形，而所谓的非授权集存在能够重构秘密的隐患。
基于2011—2022年中国30个省份的面板数据，采用双向固定效应模型、中介模型与门槛效应模型，实证检验了数字经济对农业绿色发展的影响及其作用机制。研究结果表明：（1）数字经济发展水平对农业绿色发展具有显著的正向促进作用；（2）农业技术进步在数字经济推动农业绿色发展过程中起到重要的中介作用；（3）绿色投资在数字经济影响农业绿色发展的过程中存在显著的门槛效应，在较高水平的绿色金融支持下，数字经济的绿色效应才能得到显著释放；（4）该影响具有明显的区域异质性，西部地区与粮食主产区的促进作用更为显著，而中部地区及非粮食主产区的影响不显著。据此，提出夯实农村数字基础、强化绿色技术扩散、完善的绿色金融体系以及实施区域差异化数字农业政策等建议，为推动数字经济与农业绿色发展的深度融合提供理论依据与政策参考。
提出了一种融合多尺度与几何等变机制的预测模型（Multi-Scale Geometric Equivariant Protein–Protein Interaction Sites predictor,MSGE-PPIS）。在序列分支中，MSGE-PPIS结合局部滑窗与全局卷积结构，以实现残基层面对局部上下文模式与全局依赖的联合建模；在结构分支中，引入ASAP(Adaptive Sampling and Pooling)子图构建与等变图卷积网络（EGCL），并设计图折叠–反池化机制以缓解深层信息压缩、增强长程交互建模能力。最终，序列与结构特征在残基层面执行索引对齐与残差更新，生成融合表征。试验结果表明，MSGEPPIS在多个基准数据集上均优于现有方法，准确率、精确率等指标提升约5%～8%，验证了其在提升PPIS预测精度方面的有效性，为高精度残基级相互作用预测提供了新思路。