随着网络安全法的深入贯彻和实施，等级保护制度已成为新时期国家网络安全的基本制度，等级保护2.0的出台，网络安全保护对象实现了对云计算、大数据、物联网、移动互联网、工业控制系统的全覆盖。结合等级保护2.0新标准要求以及城市轨道交通信号系统网络安全的建设需求，依照“一个中心，三重防御”核心思想，提出城市轨道交通信号系统网络安全防护新思路。

随着物联网终端设备间直接通信的需求不断增大，为解决物联网终端设备间安全通信和隐私保护问题，终端设备间认证技术成为人们关注的一个热点，业界诸多学者已经对此展开相关研究并提出多种物联网终端设备间的认证机制。但是，上述机制在安全强度及抵抗攻击效果方面尚存在不足。为解决此问题，该文提出一种基于IBE策略的物联网终端设备身份认证方案，实现终端设备之间匿名双向认证，同时使用椭圆曲线加密算法保证认证过程中信息传输的安全性。通过安全性理论分析和性能分析表明，该方案可很好地抵抗重放攻击、中间人攻击和篡改攻击等已知攻击且具有较低的计算开销。

针对火电工控系统的网络安全问题进行了研究，对当前火电工控系统的网络架构、安全挑战、防护现状、风险来源等网络安全问题进行了分析总结，按照电力系统的安全防护总体原则及相关标准规范，针对电力生产网络的特点及安全要求，提出了以数据探针为组成单元的能够覆盖电厂工控网络各个层级并配置监测中心的安全防护架构，能够对多种工控协议进行深度解析，对已知和未知危险流量进行识别和学习，并将宏观网络态势以可视化的方式展示出来，实现了对电厂工控系统多层次、立体化、智能化的安全防护，能够深度有效的保护电厂生产网络系统。

随着微电网技术在电力系统中的应用愈加广泛，协调微电网内部分布式电源的出力分配以提高经济性成为了研究的重要课题。目前主流的经济调度方法是微电网调度中心利用全网微电源及负荷的信息进行调度，但这种集中式的方法依赖调度中心的计算能力，对微电源与调度中心之间通信要求较高，且与微电网的分布式特性相违背。提出一种完全分布式的并行调度方法，各分布式电源作为独立的智能体，平等地参与调度工作，利用自身与邻居节点之间的势能博弈，基于粒子群算法优化自身的出力，进而实现全网经济性最优的目标。在MATLAB平台上搭建了独立微电网优化调度模型，验证了所提出方法的可行性，并讨论了相关参数的变化对于调度结果的影响。

针对基于非局部稀疏自相似性的超分辨率重建方法存在的图像边缘保持性能不佳的问题，提出了一种基于稀疏编码和各向异性滤波的超分辨率重建算法。该算法利用卷积神经网络和各向异性引导滤波训练了一个各向异性特征模型，然后利用该特征模型构建一个局部的结构先验，以和非局部稀疏先验形成互补，从而提高算法的边缘保持能力。该算法训练后的模式使用通用测试集进行测试，测试结果表明算法SR性能较好，能很好地保持边缘细节，提供视觉效果更好的图像。

主要研究的是神经网络的一种新型训练方式——极限学习机算法的优化和改进。首先通过与传统的神经网络算法的对比，介绍极限学习机算法的主要思想和流程，展现其特点及优势；其次，由于常规极限学习机在预测的精度上及运用的稳定上存在不小的缺陷，通过阐述几个智能寻优算法及优缺点比较，引出该文的重点量子遗传算法，并利用此算法去优化极限学习机的连接权值和阈值，选取最优的权值和阈值赋予测试网络，达到良好的使用效果；最后，介绍了改进极限学习机算法在MATLAB上进行实验仿真及结果分析的步骤与流程，实验结果说明改进后的算法相比于经典算法在回归问题的预测上有优势，预测精度更高，且结果更稳定；在分类问题的处理上，准确性也具有压倒性优势。

游戏胜负预测可用于自适应游戏AI的设计，策略层面强化学习的反馈参数等。使用SC2LE公开的数据集，首先通过游戏时间、MMR和AMP指标进行数据预处理，得到质量较高的数据集；然后使用pysc2解析，提取游戏数据；最后进行特征分析，得到基础特征和统计特征，完成游戏特征数据集的构建。最终采用机器学习方法XGB分类模型,利用10次十折交叉验证法进行模型评估与优选。结果表明使用基础特性与统计特性的组合，可以使得实时胜率预测准确率在不同匹配对局情况下均超过80%。

图像拼接的基础是将所有待拼接的图像转换到同一平面上，而透视变换矩阵描述的就是一个平面到另一个平面的投影变换，反映了图像坐标点之间的一一对应关系。但当透视变换矩阵中参数精度较低时会导致图像拼接效果不佳，拼接过程中会出现公共区域无法对接、有鬼影等现象。提出了一种基于二倍体显性机制的DNA遗传算法(AO方法)的矩阵参数优化方案，AO方法在优化效率上能以较快的速度和较高的精度搜索到问题的全局最优解，从而提高透视变换矩阵参数的精度。实验结果显示，所提出的方法能够较好地优化矩阵参数，符合期望目标。

针对当前人工智能技术在军用领域的应用问题和难点，研究基于深度学习技术的军用软硬件架构设计方法，并且结合业内主流的软硬件基础架构，分析在军事应用中涉及的关键技术和解决思路。通过对深度学习模型压缩转化、数据增强和分布式训练等软硬件架构的关键技术研究，设计构建了一站式人工智能开发平台、嵌入式边缘智能计算平台，对军用人工智能提供端到端的训练、部署和测试支撑。该研究可为未来智能无人作战系统提供软硬协同的智能计算解决方案。

卷积神经网络(Convolutional neural network,CNN)具有非比寻常的从样本中学习特征的能力，训练需要大量带有标签的图像样本。因此，在使用卷积神经网络对地基云图相关研究时，建立云图样本库是第一步，也是非常重要的一步。首先，通过数码相机直接拍摄、从互联网上下载、从公开发行的云图类书籍获取以及由全天空照相机拍摄等手段获取三个云图样本库；接着，对三个样本库图像的分辨率、噪声、数量等问题进行了分析；然后，采用双线性插值和数据增强方法对样本库进行归一化预处理；最后，利用卷积神经网络、LBP、Heinle feature和Textonbased method三种方法对增强后的数据集进行云识别分类验证，实验结果表明，利用本文方法进行增强数据可有效解决卷积神经网络对小样本数据识别率不高

针对飞机舵机电液伺服系统中PID控制器参数难以整定的问题，引入一种智能PID控制方法。该方法结合了粒子群算法和PID控制器的优点，并利用蜂群算法的选择策略对粒子群算法进行优化，适应了飞机舵机电液伺服系统非线性动态控制环境的要求。实验结果表明，飞机舵机电液伺服系统智能PID控制方法能够达到系统控制性能指标要求，相较于传统PID控制器具有更良好的跟踪效果。

条形码技术作为一种数据采集和自动识别技术应用非常广泛。为了更好地满足应用场景的自动化功能需求，利用图像处理相关技术，对EAN-13条形码识别的相关算法进行了研究。首先，针对采集到的条形码图像进行图像预处理，包括图像灰度化、基于Hough变换的图像倾角矫正、目标分割和图像滤波；然后根据条形码编码的既定规则，采用平均值法和校验码验证法对条形码进行译码；最后，利用MATLAB仿真软件，设计了一个条形码识别系统。通过实验验证，所设计的系统识别率可以达到99%以上，取得了很好的效果。

近年来，随着生活水平的提高，人们越来越多地选择飞机作为长距离旅行的交通工具，因此对机场效率提出了更高的要求，机场信息化就成为了大势所趋。而地理信息系统作为机场信息化的重要组成部分，对其研究和开发就成为了机场信息化建设的重要内容之一。分析了当前机场地理信息系统的技术现状，针对其实时性差和安全性不高等问题，提出了一种基于C/S架构的新型机场地理信息系统。该系统在中航油智慧加油改造项目中实现并得到成功应用，具有实时性好、安全性高等特点。

公路视频实时车辆检测分类与车流量统计是计算机视觉领域的一个经典问题。传统设置检测带法，易漏检复检，自动化性不好。基于深度网络的one-stage算法实时性好，但是经常会把变化的背景、运动的非车辆物体纳入其中，同时对光照变化敏感，夜间分类效果不好。因此，提出采用one-stage做目标检测，并不直接获取分类结果，而是根据标注框将物体切割出来，去除背景，提升抗背景扰动性能和分类效果；再送入一个经过迁移学习的浅层神经网络；将分类输出和目标检测网络的位置输出合并送入一个全图匹配算法，进行车流量统计。该方法在保障实时性的同时降低了漏检和复检率。