随着计算机科学的发展，越来越多硬件功能可通过软件编程实现，使得光学仪器更加紧凑、廉价，光学设计和加工也更加方便、快速。近年来，软件算法被引入光谱检测，发展出一些计算型的光谱仪、光谱成像设备等光谱信息采集系统。通过与传统非计算方法比较，本文突出了计算光谱采集的优势。重点关注紧凑性特征，回顾最具代表性的计算光谱信息采集系统，并作讨论和展望。

本综述介绍基于芯片的波导生物传感和成像技术的最新研究进展，这些技术可显著降低系统复杂度。这些技术利用波导表面的近场倏逝场与周围样品产生相互作用，实现对被检测生物分子的高灵敏探测和微纳样品的高信噪比超分辨成像。相关检测与成像波导芯片的制作过程简单，且同传统半导体加工工艺兼容，具有大规模生产应用前景。通过与近年来快速发展的片上集成光源结合，这些技术为实现片上系统集成的生物分子检测和超分辨成像提供了可能。

人群密度估计是一项具有挑战性的任务，因为人群中人头大小存在大范围变化。现有方法均采用多列式结构卷积神经网络去适应这种变化，但会导致密度图上不同密度区域产生平均效应并引入额外噪声。为解决该问题，提出一种新的基于分割先验图的神经网络方法，在分割图基础上生成一个高质量且没有噪声的密度图。该网络主要包括两个部分，即头部的人群前景分割神经网络和尾部的人群回归神经网络。在数据集只提供单点人头标记的情况下，采用均匀函数生成人群头部的掩膜真值图。基于该真值图，前景分割网络输出人群分割图，可有效减少密度图中无人区域噪声。将人群分割图输入人群回归网络，后者能生成高质量人群密度图并提供准确的人数估计。在4个公开数据集（即ShanghaiTech、UCF-CC-50、WorldExpo’10和UCSD）上验证了所提方法有效性；其中，在ShanghaiTech part B和UCF-CC-50两个数据集上该方法取得了当前最好结果。

慢性肾脏病是一种在世界范围内广泛存在的肾脏疾病。该疾病一旦发展到晚期，伴随而来的是严重并发症与较高死亡风险。因此，早期筛查对于慢性肾脏病诊治至关重要。超声作为一种无创方法，能动态观察肾脏形态和病理特征，常用于肾脏检查。本文提出一种新的卷积神经网络模型，称为纹理分支网络，基于超声影像作慢性肾脏病筛查。该模型通过在经典卷积神经网络中引入纹理分支来提取和优化纹理特征，可自动生成输入图像的纹理特征和深度特征，并使用融合信息进行分类。此外，通过迁移学习训练网络的主干部分，并在具有226张超声影像的数据集上开展实验。实验结果表明，该模型准确率和敏感度分别达到96.01%和99.44%，在慢性肾脏病筛查上具有一定有效性。

多目标优化问题广泛存在于高速列车头形设计、重叠社区检测、电力调度等领域。为解决这类问题，目前方法主要集中于求解具有规则性帕累托前沿的问题，而非具有不规则帕累托前沿的问题。针对这种情况，提出一种基于动态资源分配分解的高维多目标进化算法（MaOEA/D-DRA）进行不规则优化。该算法能够根据问题的帕累托前沿形状，将计算资源动态分配到不同搜索区域。在搜索过程中使用进化种群和外部存档，从外部存档中提取的信息用于引导进化种群到不同搜索区域。进化种群采用切比雪夫方法将问题分解为若干子问题，并以协作方式优化所有子问题。采用转化的密度估计方法更新外部档案。将所提算法与5种最先进的多目标进化算法对比。实验结果表明，所提算法在收敛速度和种群成员多样性方面优于5种对比算法。与加权和方法和基于惩罚的边界相交方法比较，将切比切夫方法集成到算法中，对性能有一定提高。

在透视投影假设下，非朗伯光度立体技术是一个高度非线性问题。本文提出一种透视投影下基于非朗伯反射模型的表面法线和深度重构优化框架。将图像分解为漫反射分量和镜面分量，可同时计算表面法向量和反射率。此外提出一个变分公式，其在表面重构中表现出鲁棒性与有益性。实验结果表明，所提方法能准确重构非朗伯曲面彩色物体表面形状并计算出物体表面的反射率。

基于文本语料库的推荐任务旨在通过挖掘用户反馈数据以及物品文本描述数据对用户偏好建模。当前研究人员亟需探索使用深度神经网络捕获复杂的非线性偏好。然而，训练网络结构更深的推荐器并不能通过简单添加网络层数实现。一个网络结构更深的推荐器会面临梯度消失/爆炸问题，导致其无法通过基于梯度的方法进行模型训练。此外，物品文字描述数据可能包含嘈杂的单词序列；直接从这类特征向量中提取特征可能会影响推荐器性能。为解决上述问题，本文提出一种新的基于极深神经网络的排序推荐方法：高速网络推荐器(HighwAy recoMmender, HAM)。首先基于高速公路网络设计一个全新神经网络推荐框架，该框架能有效地稳定深度推荐器的梯度流。其次，使用一种多头注意力编码器，自动对文本信息降噪。最后，提出一种全新的基于块坐标下降的方法，可更加有效地训练具有更深网络结构的推荐器。实验结果表明，与当前先进方法相比，HAM具有更好推荐性能。

可追踪性生成（traceability link recovery，TLR）是一项重要且昂贵的软件任务，需要开发人员在同一项目中建立源制品集合与目标制品集合之间的关系。之前研究提出通过机器学习创建可追踪性方法。但是，当前机器学习方法无法很好地应用于没有追踪信息的项目，因为训练有效的预测模型需要人工标记太多追踪链。为节省人力，提出一种基于主动学习（active learning，AL）的TLR方法，简称基于AL的方法。在7个常用可追踪性数据集上评估该方法，并将其与基于信息检索的方法和最新机器学习方法比较。结果表明，基于AL的方法在F-score方面优于其他两种方法。

智能手机内置多种传感器，可作为一种智能传感设备收集信息（如振动与位置）。本文提出一种方法，以智能手机为传感平台，通过开发相应的应用软件实时获取车辆加速度、速度和位置信息，从而实现基于绿色理念的地铁轨道状态监测。通过智能手机和高精度传感器现场试验，根据检测数据的标准差、Sperling指标和ISO-2631计权加速度验证其准确性。结合无全球定位系统覆盖的隧道环境坐标校准算法，提出一种车辆定位方法。基于时域积分法，建立车辆纵向加速度与车辆运行区间里程位置的关系，计算相邻车站间的距离并与实际值比较。验证了所提方法有效性，且证实该方法可用于无全球定位系统覆盖的隧道环境。结果表明，站间距范围内车辆位置误差可控制在5%以内。该研究充分利用智能手机，为智能轨道交通领域人类生活提供一种智能且环保的方法。

交流永磁同步电机在位置控制中得到广泛应用。然而由于内部不确定性和外部载荷干扰，其性能经常不能满足需求。为提高交流永磁同步电机系统的控制性能，提出一种具有快速响应能力和强鲁棒性的方法。首先，设计一个改进的积分终端滑模控制器，该控制器具有快速滑模面和连续的趋近律。然后采用扩展状态观测器测量内部和外部扰动，从而用前馈补偿方式抵消干扰。与其他滑模控制算法相比，该方法响应快速，并具更强的鲁棒性抵抗系统干扰。同时，控制系统位置跟踪误差能在有限时间内收敛至0。仿真和实验结果表明，该方法具有快速响应和强鲁棒性，并保证高精度控制。

长时间相参积累能够显著提升雷达对机动目标的检测和运动参数估计性能。然而，相参积累期间目标的线性距离徙动、二次距离徙动和多普勒频率徙动将导致检测性能急剧下降。提出基于位置旋转变换和非均匀快速傅里叶变换的高效稳健相参积累方法。首先，利用二阶Keystone变换消除二次距离徙动。然后，利用旋转角度和多普勒频率之间的对应关系，构建相位补偿函数，从而利用位置旋转和非均匀快速傅里叶变换实现高效的参数估计。与现有代表性算法相比，所提算法能以较低运算复杂度实现近乎理想的检测性能。最后，基于雷达实测数据的实验证明所提算法有效。