基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限，因此，采用多时相PolSAR数据，其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题，提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法，用于对分解后的特征数据进行压缩，以获得分类所需的有效特征。此外，构建了一种多尺度特征分类网络(MSFCN)，该网络可以提高农作物的分类性能，且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验，对分类结果进行性能评估，并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。     

基于CNN-BiGRU的学术文本分类研究

针对传统的文本分类模型存在特征提取能力不足和分类准确率较低等问题，提出一种基于卷积神经网络和双向门控循环单元相结合(CNN-BiGRU)的文本分类方法。首先，以图书情报领域相关主题文本摘要为数据源，通过Word2vec进行文本向量化；其次，通过CNN获得输入文本信息的局部特征，并使用BiGRU保留文本中的顺序相关性；然后，选择softmax分类器输出分类结果；最后，与传统的机器学习分类方法和单一的深度神经网络模型分类方法进行对比实验。结果表明，在数据量大的情况下，文中提出的CNN-BiGRU分类模型具有更好的分类效果，其准确率、召回率和F1值均达到了95%以上，能够在一定程度上解决学术文本“信息过载”等问题。     

基于改进式YOLOv2的红外图像目标识别方法

针对智能化导引头信息处理算法设计验证需求，本文对多类型目标、海陆空背景辐射特性数据进一步挖掘，提出引入深度学习算法应用于外场红外数据二次分析挖掘的方法。选择采集得到的包括车、船、无人机(UAVs)、客机等类型的红外数据，针对红外图像与可见光图像不同的成像特性，利用改进式YOLOv2红外目标检测与分类算法，融合多级特征，增加一个重组特征图，实现对红外弱小目标智能化快速分类研究，对提取的海量视频库中的目标红外辐射特征进行分类整理。     

液氧煤油发动机知识分类模型及自动分类标记平台设计

采用自然语言处理技术提取文档特征，运用规则知识库与神经网络模型，在对液氧煤油发动机技术原有文件资料人工知识分类标记的基础上，实现新增技术成果所属的专业分类、知识分类、专业技术分类、关键技术分类等维度的自动分类标记，形成智能化、常态化知识资源自动积累机制，能够保障液氧煤油发动机文件资料的分类积累，为设计创新提供借鉴和参考。     

CJ828大型客机安全性设计与分析

安全性是产品的一种固有属性,是保障产品使用安全的前提条件,是飞机进行安全飞行的必要条件.CJ828模拟设计的进行过程中,都是以安全性为基础考量的.介绍了CJ828安全性分析所用到的主要方法,并根据实际模拟设计的内容对CJ828的整机分组安全性设计内容进行汇总.     

基于随机森林的物联网设备流量分类算法

物联网（IoT）设备流量分类对网络资产管理有重要意义，基于流量统计的分类技术是当前研究热点。已有算法主要基于流信息建立特征向量，而对数据包信息利用较少。改进了基于随机森林的物联网设备流量分类算法，基于流信息和流数据包信息共同建立特征向量。实验结果表明:所提算法与其他算法相比，所提算法的平均分类准确率由56%提高到82%，平均召回率由47%提高到67%，平均F₁得分由0.43提高到0.74，混淆矩阵对比也有明显提升，因此具备更好的分类效果。      

CFRP制孔加工切屑形成过程及分类北大核心CSCD

为了控制切屑形成,提高CFRP吸气式内排屑系统的排屑质量,建立了二维直角切削受力模型,研究了切屑的形成过程并对切屑形状进行预测并分类,用超景深显微镜(KEYENCE VHX-1000)对切屑进行观察,通过分析可得:切屑形成的主要原因是切屑弯曲折断与剪切失效,切屑的大小一般在1.02~1.80 mm,切屑的形状主要分为条形切屑、微圆型切屑和米形切屑三种,当温度达到树脂的玻璃化温度时,切屑发生变形,会出现C形屑并伴有纤维拔出现象,除不可估算占比的米形屑外,不同形态切屑的占比大小依次为条形切屑、微圆形切屑、C形屑和纤维拔出形切屑。实验结果与理论分析结果基本相吻合。     

大规模物联网恶意样本分析与分类方法

物联网（IoT）恶意样本发展迅猛，在网络中大量攻击各类物联网设备，但由于开源问题导致其家族特征并不明显，需要一种更细粒度的样本分类方法，以解决高级威胁样本发现和攻击组织追踪等问题。针对该问题，对2019年5月至2020年5月捕获到的157 911个物联网恶意样本进行了大规模分析，并标注了一套包含9个家族分支共计12 278个样本的数据集。提出了物联网恶意样本的分类方法，通过静态逆向分析提取FCG图和文本等复杂结构特征，利用图表示学习和文本表示学习的特征，在标注的数据集上取得了平均召回率88.1%的分类效果。所提方法在实际工作应用中效果优异。