近日，电子信息工程学院吉林省先进控制技术与智能自动化装备研发工程实验室杨阳教授团队，在专家系统和智能系统领域国际顶级期刊《专家系统及其应用》（《Expert Systems With Applications》，简称“ESWA”，中科院一区Top）上发表2篇题目为“基于衍生特征分支的分层空间—频率融合的伪装目标检测方法”（“Hierarchical spatial-frequency fusion with derived diverse features for camouflage object detection”）和“DSSTN：动态选择性时空建模网络对交通流量预测”（“DSSTN：Dynamic selective spatio-temporal modeling network for traffic flow prediction”）的研究类论文。

《专家系统及其应用》是一份国际同行评审期刊，专注于交流与专家系统和智能系统相关信息，发表原创论文，内容涵盖专家系统和智能系统的设计、开发、测试、实施或管理，并为这些系统的开发和管理提供实用指南，应用于全球的工业界、政府部门和高校。杨阳教授团队此次发表的两篇研究论文，长春理工大学均为第一通讯单位，杨阳教授和课题组内博士研究生赵广俣分别为第一作者或通讯作者。

伪装物体检测（COD）是通用技术难题，因为目标物体与复杂背景高度融合，其中遮挡、尺度变化以及边界模糊性制约了现有检测方法的精度。论文“基于衍生特征分支的分层空间—频率融合的伪装目标检测方法”，提出分层空间—频率融合网络，从标准RGB图像中提取多方面特征，并在解码管道中分层融合多尺度空间和频率信息，以提升COD性能。在COD基准上的严格实验表明，HiSFFNet在性能上持续优于现有最先进方法，其在息肉分割任务中的增强泛化能力进一步验证了其多功能性。

作为智慧城市和智能交通系统的关键组成部分，交通流量预测面临诸多挑战，包括路网的复杂拓扑结构、交通模式的时空异质性，以及突发事件引发的不可预测性。论文“DSSTN：动态选择性时空建模网络对交通流量预测”，提出一种整合多维建模能力的交通预测框架——动态选择时空网络（DSSTN），主要包括多维模型融合机制、几何感知拓扑结构学习器、增强时序卷积网络三个创新组件，在十个公开交通数据集上开展了全面实验，结果显示DSSTN显著优于现有最先进方法，特别是在预测难度高的场景中，如交通事故、突发拥堵和特殊路况环境，DSSTN展现出卓越的预测能力和稳定性。

（供稿：电子信息工程学院 撰稿：赵广俣 初审：刘云清  复审：唐慧宇  终审：于英焕）