在高能耗、高污染、极为复杂的冶炼过程中，高炉是极为重要的反应器。软测量技术是在线实时预测反映高炉能耗和运行稳定性质量指标的关键技术，在节能减排、提高产品质量和带来经济效益方面发挥着重要作用。随着物联网、大数据和人工智能的发展，高炉炼铁过程中的数据驱动软测量技术受到越来越多关注，但目前尚无关于高炉炼铁过程数据驱动软测量技术的系统性总结与评价。本文详细总结了高炉炼铁过程数据驱动软测量技术的最新研究成果与发展现状。具体而言，首先对高炉炼铁中使用的各种数据驱动软测量建模方法（如多尺度方法、自适应方法、深度学习等）进行了全面分类总结与分析。其次，对高炉炼铁中数据驱动软测量技术的应用现状（如硅含量、熔铁温度、气体利用率等）作对比分析。最后，展望了数据驱动软测量技术在高炉数字孪生、多源信息融合、碳达峰与碳中和等方面的潜在挑战和未来发展趋势。

机器视觉测量（machine vision measurement，MVM）是一种用于产品质量控制的重要方法，可有效、无损地测量目标面积或长度。MVM的结果取决于其配置，尤其是图像采集的打光方案设计和图像处理的算法参数优化。在传统工作流中，工程师不断调整和验证配置以获得可接受结果，这非常耗时且严重依赖专业知识。为解决这些挑战，提出一种目标无关方法，可视交互式图像聚类，该方法通过图像聚类推荐具有共同算法参数的打光方案促进配置优化。该方法有4个步骤：数据准备、数据采样、数据处理和可视分析。在准备阶段，工程师设计几种候选打光方案获取图像，并开发算法处理图像。对每张图像，该方法按照工程师定义的参数采样，并执行算法获得结果。数据处理的核心是使用算法参数对图像之间关系进行可解释度量。基于图像关系，开发了一个视觉分析系统，VMExplorer，帮助工程师图像聚类并探索参数。最后，工程师可确定合适的打光方案和鲁棒的参数组合。为证明该方法有效性和可用性，我们与工程师进行案例研究，并从专家访谈中获得反馈。

随着互联网行业图形用户界面（GUI）开发工作量的快速增长，国内外学者试图从GUI图片生成可维护的前端代码。该任务更适合从包含有用户界面元数据的UI设计稿来实现代码生成。然而，碎片图层不可避免地会出现在UI设计稿中，这大大降低了生成代码的质量。目前尚未有自动化GUI技术来检测并合并碎片图层以提高生成代码的可维护性。本文提出UI图层合并器（UILM），一种基于计算机视觉的方法，可以自动检测并合并碎片图层为完整的UI组件。本文提出的UILM包含合并区域检测器和碎片图层合并算法。合并区域检测器结合边界先验知识来准确地检测出UI组件的边界。基于此，碎片图层合并算法可以搜索出边界内的相关碎片层并将其合并为整体。此外，我们提出一种动态数据增强算法来提高合并区域检测器的性能。我们还构建了用于训练合并区域检测器和测试UILM的大规模UI数据集。实验结果表明，本文提出的方法在合并区域检测方面优于最佳基线，并达到了有效的图层合并准确率。最后，对真实应用程序的用户研究也证实了本文方法的有效性。

需融企业挖掘任务指挖掘财务困难、需要融资的中小企业，其有利于金融机构帮助中小企业的发展，在金融领域中发挥着越来越重要的作用。本文首先深入分析中小企业的融资需求在企业社交网络中的传递现象，从而提供了一个利用企业社交网络来提升需融企业挖掘有效性的想法，即学习企业社交网络中企业节点的表征并利用该表征挖掘需融企业。然而，该想法面临两种异构性挑战，即融资需求在不同关系下的传递异构性和中小企业在不同关系类型下的行为模式异构性。为了应对这些挑战，本文提出一种基于多关系平移图注意力网络的需融企业挖掘方法。该方法不仅基于一种新颖的实体-关系组合算子来对不同关系类型下的融资需求传递异构性进行建模，还基于本文所设计的关系超平面平移机制来获得中小企业在不同关系类型下的表征，以区分中小企业在不同关系类型下的异构行为模式。最后，本文在两个大型真实数据集上进行大量实验，实验结果证明了所提方法在需融企业挖掘任务中优于最先进的方法。

网络协议软件通常具有程序路径复杂、状态空间庞大的特点。程序中往往存在着一些带有状态的关键变量，用于记录协议状态和会话信息。这些状态变量一旦处理不当，很可能违背协议规范，进而产生逻辑错误，导致协议软件出现潜在的缺陷或漏洞。本文针对现有程序分析技术难以发现网络协议软件中的状态变量，且自动化程度偏低的问题，提出一种基于重放分析的状态变量识别方法。考虑到状态变量主要反映着通信双方的参数和程序的状态，具有这些特征的变量通常会以全局变量或静态变量的形式，持续存在于进程之中，该方法通过记录和重放协议软件的执行轨迹，运用动态插桩技术，在协议状态和软件状态的变化过程中，分析内存关键区域的全局变量和静态变量的状态特征，并结合规则进行筛选判定。在此基础上，设计并实现了一套能够自动化发现状态变量的原型系统，在ProFuzzBench中的9个程序和2个现实中的复杂协议软件上进行了测试。实验结果显示，平均真正类率（TPR）可达82%，平均准确度可达96%左右。

近年来，工业4.0的蓬勃发展在世界范围内已经成为了一个新的趋势，它给全球范围内的工业企业既带来了新的机遇也带来了新的挑战。因此，很多制造业企业开始尝试应用新兴的使能技术来推动自身的智能制造转型升级。本研究提出一种用于评估流程工业企业智能制造准备度情况的模型，目的是为了帮助企业明确自身智能制造发展水平，识别短板问题。尽管已经有学者提出了相关工业4.0准备度和成熟度评估的模型，但是目前还缺少流程工业企业的针对性评估模型。本文提出的流程工业智能制造准备度模型用6个层次来描述智能制造的不同发展阶段。此外，该模型结合了流程工业企业日常的生产经营特点与智能制造的能力要求，模型包含4个评估族、9个评估类和25个评估域。本模型还根据不同智能制造准备度等级的要求将25个评估域进一步划分成了249个特征项指标，用于企业智能制造准备度水平的准确评估。此外，为了方便企业进行自诊断自评估，本文还基于249个特征项指标开发了智能制造准备度评估问卷。最后，本文通过模型在196家流程工业企业的应用案例，介绍了模型的具体使用方法。希望本模型的提出可以给流程工业企业智能制造准备度的评估提供一个新的方法。

步进线性调频雷达信号可以通过多个窄带子线性调频脉冲合成的方式获取目标高分辨图像。由于步进线性调频雷达信号对雷达瞬时带宽要求较低，已成为最常用的宽带雷达波形之一。本文针对步进线性调频成像雷达对抗问题，提出一种基于二维非周期相位调制的雷达干扰方法。所提方法利用非周期相位调制产生高水平旁瓣的独特特性，可在雷达图像上形成沿距离向与方位向二维分布的压制性干扰，从而使得目标无法被有效识别。在此基础上，讨论了编码码元宽度与占空比等不同调制参数对干扰特性的影响，并进一步给出相应干扰参数设计准则。最后，通过雅克-42飞机数据仿真以及实测无人机数据实验证明所提干扰方法的有效性。

可逆逻辑由于其固有的降低能量耗散的能力最近受到极大关注。这种降低能量耗散的能力是低功耗数字电路的首要需求。可逆逻辑是相关研究的最新领域之一，在纳米技术、DNA计算、量子计算、容错和低功耗互补金属氧化物半导体（CMOS）等方面都有广泛应用。一个电路如果具有相同数量的输入和输出，并且是一一对应的，则被归类为可逆电路。如果输入和输出的异或门相等，则可逆电路是保守的。此外，量子点元胞自动机（QCA）是最先进的方法之一，可以替代传统技术。因此，本文提出一种低功耗、高速度的高效保守门。首先提出一个可逆门ANG （Ahmadpour Navimipour Gate），然后在QCA技术中实现非抗性ANG和可逆容错ANG两种结构。通过米勒算法实现所提可逆门，并通过2DW（二维设计）时钟电路图实现可逆容错ANG。此外，在不同的能量范围（0.5Ek，1.0Ek和1.5Ek）评估所提ANG门的功耗，并使用QCADesigner 2.0.03和QCAPro软件进行结构模拟和功耗分析。与之前的设计相比，所提可逆门具有很大提升。

量子点元胞自动机（QCA）是一种用于实现纳米数字电路的新型纳米技术。这种纳米技术在速度、面积和功耗方面都优于互补金属氧化物半导体（CMOS）技术，并且可以显著改善各种逻辑电路设计。本文提出一种在QCA技术中实现T型锁存器的新方法，该方法利用了QCA在时序和时钟相位上的固有特征，因此，所提单元结构与现有方法相比占用面积更少，功耗更低。与之前的最佳设计相比，该T型锁存器的占用面积减少6.45%，功耗降低44.49%。此外，本文首次设计了基于复位的T型锁存器和具有置位和复位功能的T型锁存器。基于所提T型锁存器，开发了一种新型3位计数器，与之前的最佳设计相比减少2.14%的单元数。在3位计数器的基础上，设计了4位计数器，与之前的设计相比，减少0.51%的单元数和4.16%的截面积。此外还引入两个选择性计数器，分别从0到5和从2到5进行计数。在相干矢量引擎模式下，使用QCADesigner和QCAPro软件进行模拟，并将所提电路与相关设计在延迟、单元数、面积和漏电功率方面进行了比较。

提出一种扩展Doherty功率放大器（DPA）输出功率回退（OPBO）范围的新方法。研究表明，可以通过峰值路功放的输出阻抗来调整和改变载波功率放大器输出匹配网络的相位，来扩大DPA的输出功率回退量。基于此理论，设计了一个工作频带为1.55—2.2 GHz（35%相对带宽）、具有大输出功率回退范围的高效率非对称DPA，通过这一例子来验证所提方法的有效性。实验结果表明，DPA工作频率为1.6—2.1 GHz。OPBO状态下测量效率范围为42.2%—52.1%，饱和状态下为47%—62.7%。OPBO范围为11.1—13.2 dB。