图模型能够直观、完整地刻画网络流的连接模式，在网络流行为分析中具有独特的优势，但现有图模型方法存在构图方式单一、信息包含不完整、分析手段不够丰富等问题，通过借鉴知识图谱的概念，提出一种基于流知识

针对基于残差网络和密集网络的图像融合方法存在网络中间层的部分有用信息丢失和融合图像细节不清晰的问题，提出了基于双残差超密集

进行预提取，得到息肉位置的粗分割结果，将其与原图叠加以増强息肉位置的信号强度。在网络结构上，将通过神经架构搜索得到的最优密集预测单元引λ Deeplabⅴ3-

在网络社交平台海量的信息文本中含有许多垃圾文本，这些文本的广泛散布影响了人们正常社交。为此提出一种垃圾文本过滤模型。通过BERT模型提取文本的句编码，采用B- Feature方法对句编码进行特征构造

练的网络参数对应 Hessian矩阵的主特征向量，据此向量衡量网络通道的重要性并进行通道剪枝，同时对剪枝后的网络参数进行微调提高DNN分类性能。