整理我的科研经历

🤢面向不完整多视图聚类的去偏与去噪表示学习

面向多源数据视图随机缺失造成的表征不完整与聚类性能退化问题，构建基于自适应特征融合与注意力补全的不完整多视图深度聚类框架；通过多分支自编码器学习视图特有表示，依据潜在特征方差动态融合有效视图，并利用多头注意力补充缺失语义，结合重构、实例级对比、噪声鲁棒与互信息约束增强跨视图一致性，最终在 Scene-15、Handwritten、LandUse-21 和 ALOI-100 等数据集及多种缺失率下，以 ACC、NMI 和 ARI 验证模型的聚类精度、鲁棒性与泛化能力。

👿用于多视图分子性质预测的对比式 MoleculeFormer

面向分子性质预测中单一表征难以完整刻画结构与语义信息的问题，构建对比式多视图 MoleculeFormer 框架；联合建模 SMILES 序列、二维分子拓扑及三维空间构象，通过几何图卷积提取键长与键角特征，并利用融合相对位置编码的 MoleculeFormer 捕获原子邻域及空间子结构信息，再结合可学习视图权重、跨视图融合与批内对比学习增强多模态表征的一致性和互补性，最终在多个 MoleculeNet 数据集上采用骨架划分与 ROC-AUC 指标验证模型的预测精度、鲁棒性与泛化能力。

🤡基于深度特征提取的版图热点检测

面向芯片物理验证阶段的版图热点检测，构建基于深度频率张量与细粒度残差卷积网络的二分类方法；通过分块 DCT 将版图图像编码至频域并筛选关键频率分量，降低冗余信息与计算开销，再利用多尺度残差滤波器组提取不同感受野下的层级特征，结合类别均衡采样、数据增强及多组参数与消融实验，在 ICCAD 真实数据集上验证检测精度、鲁棒性与泛化能力。