乳腺癌是全球女性发病率位居首位的恶性肿瘤，研究基于神经网络模型的乳腺癌诊断预测方法的目的是将临床与机器学习相结合，有助于医疗工作者更加快速准确地判断出患病与否，同时解决现有模型中存在的过拟合以及漏诊率和误诊率过高的问题，并提高预测模型的准确率。本文采用加州大学欧文分校(UCI)数据集，共 669个样本，其中包含 357个良性样本和 212个恶性肿瘤样本，共计 10个特征训练预测模型。将 10个神经网络模型采用 Adaboost方法相结合，即通过 Adaboost算法组合多个弱分类器从而形成一个强分类器，最终输出一个具有更高准确率、有较强的自学习能力、自适应能力且泛化性能优良的集成预测模型。结论表明，该模型的预测准确率达到 98.5507%，同时准确率(AUC)为 0.9966，说明所建模型区分度较好，可以反映模型的诊断价值，且非常稳定，具有非常好的验证效果，为临床应用提供进一步的技术支持和保障。

为满足辐射探测器前端读出电路对模拟电路稳压器片上集成和快速瞬态时间响应的需求，设计了一种基于0.18 μm CMOS工艺的全片上集成LDO。采用大摆幅高增益放大器驱动输出功率管，增大了功率管栅极调节电压摆幅，减小了功率管尺寸和LDO压差电压。该放大器同时增大了LDO的环路增益和对功率管栅极的充放电电流，从而改善了瞬态响应性能。为了不牺牲环路增益带宽和芯片面积，并且保证LDO在整个负载电流区间内保持稳定，提出了一种负载电流分区频率补偿方法。仿真结果表明，在负载电容为200 nF，负载电流范围为0~200 mA时，设计的LDO相位裕度均大于53o。在相同功率管尺寸情况下，采用大摆幅高增益放大器可以将LDO最大输出电流能力提高到两倍以上。当负载电流从10 mA跳变到200 mA时，LDO输出电压恢复时间小于6.5 μs。设计的LDO电路面积为120 μm×264 μm，满载时电源效率为97.76%，最小压差电压为50 mV。

为实现光学元件磁流变高精度加工,基于脉冲迭代原理,提出基于粒子群算法的驻留时间优化方法。该方法在脉冲迭代法的基础上引入粒子群算法对整体面型残差进行优化,通过对整体驻留时间的判定,从而实现每个驻留时间点的最优选择,达到高精度面形加工。通过对Φ156 mm光学表面仿真加工,均方根(RMS)值和峰谷(PV)值从初始的169.164和1 161.69 nm收敛到23.492 5和807.215 6 nm。仿真结果表明,该算法能在保证面形收敛精度的同时快速获得稳定可靠的驻留时间分布,能有效降低中频误差,其算法性能优于常用的脉冲迭代法。该算法为磁流变抛光光学元件过程中的驻留时间计算提供了一种解决方案。

古代壁画为存世孤本且艺术风格独特。然而，由于可参考数据稀少，缺失信息重建的效果不佳。如何产生足够可参考样本是提升壁画修复效果的关键节点。为了解决此问题，提出一种改进的风格迁移模型来生成高质量的壁画图像，达到扩充数据的目的。首先，在输入图像的低维空间进行聚类以保持图像的结构完整性。其次，引入基于注意机制和软阈值函数的残差收缩模块去除图像中冗余信息，有效保留纹理细节信息。最后，将内容聚类集合与匹配到的风格聚类集合进行实时的特征转换，得到任意风格的迁移图像。实验结果表明，与其他常见的风格迁移方法相比，所提方法能够生成自然清晰的壁画图像，并且在客观指标峰值信噪比和结构相似度上均取得较好的结果。此外，在基于生成对抗网络的壁画数字生成实验中，验证了所提方法较传统增广方法的有效性。

针对海洋复杂成像环境导致的水下图像出现颜色衰退、对比度低等问题, 提出一种改进的带色彩恢复的多尺度视网膜(Multi-Scale Retinex with Color Restore, MSRCR)与限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization, CLAHE)多尺度融合的水下图像增强算法。首先, 采用带有导向滤波的 MSRCR算法解决水下图像颜色衰退的问题; 其次, 采用带有 Gamma校正的 CLAHE算法以提高水下图像的对比度; 最后, 对经过改进的 MSRCR和 CLAHE处理后的图像进行多尺度融合以获得细节增强后的水下图像。实验结果表明, 和其他算法相比, 文中算法的峰值信噪比(Peak Signal to Noise Ratio, PSNR)平均提高了 9.3914、结构相似性(Structural Similarity Index Measure, SSIM)平均提高了 0.3013、水下图像评价指标(Underwater Image Quality Evaluation, UIQE)平均提高了 4.7047, 能实现水下图像的有效增强。

因墓道狭窄，分块揭取的大型墓室壁画在高清采集后会存在周边信息缺失的情况。为了能够重建壁画分块间丢失的数据，提出了一种多尺度级联网络的墓室壁画数字生成技术。首先，对墓室壁画进行大尺度生成；然后，将重建结果输入深度语义小尺度生成网络中进行精细的数字信息生成。在小尺度生成网络引入自注意力机制，增强生成区域与全局信息的关联性，解决生成区域边界的伪影问题。在反馈损失中改进纹理损失，提高重建信息纹理精细度以及壁画生成效果。为加快训练进程、促进梯度反向传播效率，在生成网络中加入跳跃连接。通过消融实验和对比组实验验证，该数字生成技术可提高壁画分块外延信息的纹理匹配率并弱化伪影的影响，在客观指标峰值信噪比和结构相似度上均取得较好的结果。

基于分块压缩感知理论和随机卷积理论，提出了一种基于混沌卷积的光学图像分块加密方法。首先将图像分为大小相同的分块子图像，针对每个子图像，利用级联混沌系统生成混沌相位模板和混沌振幅模板，将子图像与混沌相位模板进行混沌卷积；然后利用混沌振幅模板进行混沌下采样，获得加密压缩后的分块图像；最后将各分块加密图像复原为最终的加密图像。该方法每个分块子图像具有不同的加密密钥，以提高算法的安全性，混沌卷积过程中采用分数傅里叶变换替代傅里叶变换，以增大密钥空间。对加密方法的抗噪声攻击性、抗裁剪攻击性、统计特性、密钥敏感性等进行仿真实验，结果表明了该方法的可行性和安全性。

三维发射层析技术跨越了传统二维层析技术中的“切片”过程，将被测区域作为一个整体进行重建，投影方向及位置不局限在同一水平面内，可以解决实际燃烧场测试中探测器位置受限以及装配误差等问题，对燃烧场的三维成像及测试具有重要意义。针对已有三维发射层析技术中权重矩阵的计算存在数据量大、精度和效率低等问题，在三维空间相机成像投影数学模型的基础上，提出了一种基于线性插值原理的三维权重矩阵计算方法，并结合代数迭代算法实现层析重建。通过数值模拟验证了算法精度，建立了多相机发射层析系统并对燃烧火焰进行三维层析重建。研究结果对提高层析重建精度和效率具有重要的参考价值。

提出一种针对高陡度非球面元件表面中频误差的主动平滑技术。通过构建离轴高陡度非球面平滑加工接触模型, 获得加工过程中的不吻合度分布, 设计主动平滑工具。采用有限元分析方法模拟主动平滑过程中磨盘材料、厚度及结构之间的关系, 获得优选的主动平滑参数。实验结果验证了计算模型的准确性及主动平滑技术对于高陡度非球面元件的中频误差具有更好的平滑效果。