所属分类：电子信息产业

所属单位：西安电子科技大学

成果简介：本项目研究雷达自动目标识别方法。经过课题组成员的共同努力，经过三年的研究，课题组完成了预期的研究内容。在1）基于一维信号的分类、识别方法2）基于二维图像的特征提取和检测、分类/识别方法方面取得了一系列研究成果，包括1）提出了有效的杂波稳健目标检测/鉴别方法，2）解决了雷达目标识别面临的非完备样本问题，3）突破了对感兴趣目标和典型部件的特征提取、参数反演等难题。在本项目的资助下，课题组已发表学术论文33篇，其中，国际刊物SCI学术论文13篇，国内核心刊物学术论文14篇，国际会议学术论文6篇；在审国际刊物SCI学术论文4篇；申请国家发明专利43项，其中已授权10项。课课题组成员还积极参与国际会议，包括IEEE Radar Conference、IEEE APSAR 和IET International Radar Conference等。

所属分类：电子信息产业

所属单位：西安理工大学

成果简介：本研究聚焦于提出并验证一种创新的社区检测方法，即基于标签传播的拓扑势社区检测方法。该方法通过结合标签传播算法与拓扑势理论，旨在解决传统社区检测中孤立性社区过多、划分不精确的问题。 研究内容涵盖节点属性信息的标签化处理、拓扑势场的构建、核心节点的识别以及基于核心节点距离的社区划分等关键环节。 成果的创新点在于将标签传播思想引入拓扑势社区检测中，通过转换节点属性为链接权值，优化拓扑势场的构建，从而提高了社区划分的准确性和效率。实验结果显示，该方法在多个数据集上表现优异，特别是在改进的模块度、信息熵、社区重叠度等指标上均优于其他算法。该方法在实际应用中具有广泛前景，可用于社交网络分析、生物信息学、交通网络规划等领域，帮助用户更好地理解复杂网络结构，优化资源配置。例如，在社交网络中，该方法可用于用户群体划分，提高推荐系统的精准度；在交通网络中，可用于分析交通流分布，优化交通管理策略。

所属分类：电子信息产业

所属单位：西安理工大学

成果简介：本成果公开了一种基于时空特征的行人轨迹预测方法。首先，通过构建基于传统的置信域策略优化算法(Trust Region Policy Optimization, TRPO)和改进的近端策略优化算法(PPO-penalty)的实验，验证了基于PPO-penalty的GAIL(Generative Adversarial Imitation Learning，生成对抗式模仿学习)模型具有较大的优势，因此选择GAIL(PPO-penalty)结构实现行人轨迹预测。然后，为了提高信息的利用率，防止信息的丢失，引入了ConstantPadding(常数填充)的方法，并将该方法命名为ConstantPadding-GAIL。最后，创新性的提出使用Mogrifier LSTM抽取行人历史信息中存在的时序特征，并将其融合到当前状态的实验构建。本成果使用基于PPO-penalty的GAIL模型在已有的行人历史真实轨迹数据集基础上，学习行人在社交场合中如何运动，从而预测行人轨迹。根据调查和检索，目前还结合生成对抗模仿学习GAIL并且考虑社交特性进行预测的工作，本成果填补了行人路径预测技术方面的空缺。

所属分类：电子信息产业

所属单位：西安理工大学

成果简介：本成果针对室内定位技术精度不足的问题，提出了一种基于反向传播神经网络（BPNN）的概率密度预测方法。研究内容涵盖测试区域选取、数据收集与预处理、BPNN模型改进及验证等多个环节。通过多层室内结构正方形测试区域的标准参考点布置和RSSI信号发射器设置，收集RSSI值和角度值数据，并进行归一化处理。随后，利用改进后的BPNN模型进行训练与测试，以提高室内定位精度。 该成果的创新点在于解决了不同环境下室内位置数据分布模拟不佳及概率计算误差大的问题，显著提升了室内定位精度。 在成果应用方面，该方法已应用于博物馆导航、消防等领域，有效提升了用户体验和安全性。其高精度定位能力为室内移动设备的传统使用模式带来了变革，产生了显著的社会效益。 研发团队由多位在室内定位技术和神经网络领域具有丰富经验的专家组成，他们紧密合作，共同攻克技术难题，确保了研究工作的顺利进行和成果的顺利产出。管理团队则负责项目的整体规划和资源调配，确保研发工作的高效推进。

所属分类：电子信息产业

所属单位：西安邮电大学

成果简介：本发明成果针对深度神经网络鲁棒性优化问题，提出一种高效的深度神经网络模型鲁棒性优化方法，属于机器学习和AI安全领域。该方法首先为目标模型浅层添加额外分支进行特征融合，将目标模型改造为可以在速度和准确率之间进行权衡的特征金字塔结构，然后基于生成式对抗网络提取图像样本的潜在特征生成攻击力更强的对抗样本进行对抗训练。本发明提供了一种高效的深度神经网络模型鲁棒性优化方法，改进后的模型能防御多种白盒攻击，有助于扩大模型的防御范围，对模型鲁棒性进行优化。针对Resne34模型，分别在MNIST和CIFAR-10数据集上使用五种白盒攻击分别进行实验，优化后的Resne34模型在高扰动的五种白盒攻击下，本方法在高扰动的五种白盒攻击下分类正确率相比基础模型至少提升了4倍，说明优化后的模型防御能力比原模型防御能力更强，防御范围扩大。

所属分类：电子信息产业

所属单位：西北工业大学

成果简介：发明专利《一种水下移动目标智能融合感知方法》提供了一种水下移动目标智能融合感知方法，通过水下多传感器接收信号并进行信号预处理，提取信号特征并进行多特征融合，最终构建并训练卷积神经网络，对待测数据进行分类识别。该方法旨在通过智能感知技术，提高对水下移动目标的探测和识别能力，使我方能够更好地掌握各种水下目标的运动情况，为海洋形势预判提供有力支持。 该成果已于2022年3月15日授权。 该成果创新点1：通过提取信号的多种特征，并进行特征融合，增强了对复杂水下环境中目标的识别能力；创新点2：利用卷积神经网络（CNN）对融合特征进行训练和分类，大幅提升了目标识别的效率和精度。最终实现了对水下移动目标的实时分类和识别，为海洋监测和防御提供了快速响应机制。 该成果已在多个海洋监测项目中得到应用，包括海洋环境监测、海底资源探测、水下安全防护等领域。 该成果在提升水下目标感知能力的同时，有助于维护国家海洋权益，促进海洋资源的科学管理和利用。通过智能化技术手段，保障了海洋环境的安全，推动了智慧海洋及海洋防御体系的建设，对于国家安全和经济发展具有深远意义。 该成果由西北工业大学海洋智能感知与网络团队主要完成，包括王海燕、马石磊、何轲、申晓红、锁健、张红伟、员一帆等人。团队严格按照科研管理规范，开展系统性的研究和实验，确保了科技成果的创新性和实用性。

所属分类：电子信息产业

所属单位：西北工业大学

成果简介：本项目开展深度学习可信性度量与可视化阐释技术研究，突破了深度学习网络层次化分析、路径分析、可信度量分析等关键技术，揭示了全局与局部的网络层次化作用机理，探索信息在网络关键路径的演变规律，建立了深度学习可信评估指标体系，研制可视化分析仿真软件，提升了深度网络模型的可理解性、透明性和可信性。 （1）提出基于非局部邻关系学习与解释图的网络层次化分析技术，实现网络层次化贡献度衡量，达到理解网络层级信息传递状况、评估网络层次设计合理性的效果。基于非局部邻关系学习的网络层次化分析技术的原理。（2）提出基于离散系数与对抗攻击的深度学习网络路径分析技术，实现网络关键节点分析、近似模型构建，达到理解网络节点间信息传递状况、评估网络节点设计合理性的效果。（3）提出深度学习算法可信度量技术，实现可信评估指标体系的构建，达到数值化评估深度神经网络可信度的效果。 基于本项目的研究工作，已授权发明专利5项，获批软件著作权5项，发表学术论文10篇，其中SCI索引收录7篇，EI索引收录3篇。基于本项目的研究工作已开发面向智能决策的深度学习网络可信度评估与可视化软件一套。培养博士生2名，硕士生6名。在项目执行期内，已建立面向智能决策的深度学习网络可信度评估与可视化示范应用软件，新增销售639.31万元，新增利润69.32万，新增税收30.24万。在项目执行期内，新增就业人数10人，就业培训40人次。

所属分类：电子信息产业

所属单位：西北工业大学

成果简介：在针对混叠场景的现有神经网络处理点云数据时，大多数采用共享权值的多层感知机对点云数据进行特征提取，这种结构较为单一，导致无法有效提取点的邻域内特征。针对这一重要问题，为实现对三维点云的精准识别与分割，保证点云分割网络结果准确性，提升后续目标识别匹配精度，对神经网络中各神经元的权值分配采用基于贝叶斯概率的点云卷积方法，提出了一种基于贝叶斯卷积神经元的深度神经网络结构。其中，将传统特征提取深度神经网络中的权重值替换为符合高斯分布的概率权重，并利用分层式卷积核提取点云中各点局部特征，最后利用全连接层基于特征信息进行判别，实现了对三维点云的精准识别与分割。本成果在国际知名期刊上发表SCI论文1篇，相关成果授权国家发明专利2项、登记软件著作权2项，已应用于西安因诺航空科技有限公司等企业。

所属分类：电子信息产业

所属单位：延安大学

成果简介： 本项目引入了人工微结构，通过研究微纳结构的光学特性和传感应用，取得了多个创新性的科学发现。其中，提出了辐射振子模型，揭示了共振腔耦合波导结构中等离子体诱导透明的核心机制，并在H形状和单腔共振耦合波导结构中实现了可见光范围内的超高灵敏度传感特性。此外，还创新地提出了基于半导体材料的二聚体人工微结构，实现了紫外波段的超高灵敏度传感。同时，开发了掺杂石墨烯和二氧化钛薄膜的制备技术，并将其应用于人工微结构的制造，生产高灵敏度传感器件。此外，还设计了金属人工微结构，用于农业大棚和油气生产环境参数的高灵敏度检测，实现了高效、快速、灵敏且可靠的技术与装置开发。该项目的研究成果已被Physical Review B、Advanced Optical Materials、Optics Letters、Optics Express等知名期刊广泛引用，获得了国内外学者的认可和赞誉。多位业内权威学者也引用并评价了本团队的创新研究成果。此外，本团队成功将专利转让给延安腾日智能科技有限公司和合肥智慧龙机械设计有限公司，助力这两家公司在微纳传感器和传感设备领域取得突破。该项目的研究成果已广泛应用于农业大棚种植、油气开采等领域，有望在更多领域实现深度应用，推动相关产业的持续进步与发展。

所属分类：电子信息产业

所属单位：长安大学

成果简介：成果采用理论分析、室内外试验、数据解析、系统开发等手段，对道路设施智能感知关键技术进行了系统研究，取得了以下创新性成果： 1.揭示了网格聚类环境和力电效应交通状态感知机理，研发了PZT/PVDF复合材料和感知智能骨料，建立了道路、交通与环境状态的多源协同智能感知方法。 2.发明了水泥基和树脂基自发光材料、PU基固固相变材料、自修复微胶囊和热电材料，建立了以自调节、自修复、自俘能为核心的智能感知材料系统设计方法。 3.提出了多源信息缺失诊断与修复、单维多维异常值检测校准和时空多尺度对齐方法，构建了多源信息道路基础设施智能感知数据分析出来技术体系。 4.研发了涵盖道路温湿度、路表水膜、冰雪预警等环境状态、道路交通状态和道路设施状态感知的可视化平台系统，实现了多源异构数据从源端到输出端的数字化呈现。 成果授权国家授权发明专利43件、国际发明专利3件；成果编制和纳入国家标准8部；发表高水平论文百余篇；出版专著2部，入选交通运输重大科技创新成果4项。项目成果在港珠澳大桥、陕西关中环线等20余项国家重大交通工程中得到应用，经济、社会及环境效益显著，推动了智能交通技术的整体进步。

所属分类：电子信息产业

所属单位：江苏大学

成果简介：本发明公开了一种基于改进支持向量机和光流法相结合的猪的采食行为识别方法。;首先对视频帧进行预处理，即先进行双边滤波，再进行对数变换，最后进行自适应直方图均衡化；接着对视频帧用层次分析法进行粗提取，再用改进的支持向量机进行精细化提取，即对粗提取后的关键帧进行直方图特征对比去掉冗余帧。这些关键帧组成相邻的连续帧，然后用改进的Lucas-Kanade光流法（L-K光流法）处理并结合支持向量机分类器来初步判别是否发生采食行为，然后采用本发明改进的鲸鱼优化阈值分割算法来最终判断是否发生采食行为。

所属分类：电子信息产业

所属单位：江苏大学

成果简介：本发明提供了一种基于机器学习的单层二硫化钼样品光学表征方法、模型及其用途。首先，将二硫化钼样品光学成像通过图形处理提取出可疑单层ROI区域；然后，将可疑单层ROI局域的像素值与硅片在光学显微镜下拍摄出来的特征值求差值向量，通过拉曼表征来区分单层和少层样品，通过肉眼观测的方式确定残胶，根据层数分类来建立目标值；将差值向量求平均值和标准值作为特征值，并与目标值组成数据集，最后通过对数据集降维并通过机器学习算法对该数据集进行分类，获得最佳单层表征模型。;基于该模型，通过光学成像即可快速分辨出单层二硫化钼样品，极大的节约寻找单层二硫化钼所需要花费的时间。