计算机学科组

1.雷达系统建模与仿真

军用雷达在现代军事领域中，是获取战场目标情报的主要信息源，在军事电子信息领域中扮演着重要的角色。而雷达系统的设计、开发、研制和测试耗费大量的人力物力，因此雷达系统仿真技术受到广泛应用，为雷达系统研究提供了安全可靠、可重复进行的有效手段，节约了大量的时间和费用。使用计算机实现军用雷达系统的建模与仿真，模拟真实环境、复现战场目标探测，实现仿真系统各项性能指标的评估，有助于验证雷达各系统性能，为雷达系统的设计、论证提供重要理论依据。

近年来根据炮兵雷达系统仿真分析的要求，开展了炮兵雷达建模与仿真的相关研究。主要内容包括：基于弹道方程的某型炮兵雷达弹道目标仿真系统的设计；炮兵雷达组网关键技术研究；多种型号雷达模拟训练系统的设计与开发。

2.基于机器学习的智能决策支持

机器学习是研究使用计算机模拟或实现人类的学习行为，以获得新知识和新技能，是涉及多个领域的交叉学科。机器学习的研究不仅是人工智能研究的核心问题，而且已经成为计算机科学与技术的核心问题之一。智能决策支持是将机器学习技术引入信息系统建设形成的新型决策支持系统，是提升信息系统数据价值的重要方式，是将信息系统构建成知识系统的主要手段。研究基于机器学习的智能决策支持，是将最新的机器学习研究成果进行具体验证和应用的有效途径，同时其应用也是有效降低组织运营成本，强化核心竞争力的有效方法。

近年来信息系统数据价值的提升需求迫切，信息系统智能化应用研发的相关研究广泛开展。主要内容包括：基于机器学习算法的智能信息系统设计与开发；基于机器学习算法的智能决策支持系统的研究。

自控学科组

1.智能制造环境下的协同设计研究

智能制造是在网络技术和经济全球化正发生着深刻变革的背景下产生和发展起来的一种先进制造模式。针对我省重大技术装备需要依靠信息技术与工业技术相融合，开展基于具有智能和互联功能的i5控制系统的调度结构设计、建立以用户为中心的制造资源智能调度标准、基于网络的制造资源调度方案综合决策结构设计等方面研究工作。主要技术关键点包括智能调度标准中基于模糊映射关系算法、基于网络的离散型制造资源调度方案综合决策结构等方面内容。

2.大型复杂技术装备故障远程诊断与监控技术研究

现代大工业的发展使得工业设备变得越来越复杂，自动化程度越来越高。由于自动控制的故障引起的生产停顿造成的损失是巨大的，而生产企业的维护能力有限，迫切需要建立起远程实时监测和故障诊断系统，由设备提供商、企业技术人员和行业专家共同实现及时、准确的预防和诊断设备故障。开展基于知识型的专家系统知识库的建立，提供完成由计算机模拟人的智能行为，进行故障解决方案的生成、评价和决策等；以及为现场服务人员提供一个智能化支撑、缓解大规模以及复杂层次上设计研究中的智能活动，所需的知识系统。此外，开展基于Web的人机交互系统的建立研究，使用Prolog，配合Vc++、Java等语言，实现带UI交互的使用界面，满足重大技术装备远程监控及故障诊断、解决所需的多目标决策等不同方面的技术要求。

3.智能制造环境下基于云端的CAD设计系统(CSCAD)构建方法研究

CSCAD系统是一种基于云端的计算机辅助设计与智能制造相结合的B/S结构工业设计软件系统。CSCAD系统采用软件即服务(SaaS)的云服务应用模式，允许用户通过互联网就可以在网页上设计图纸，并且能够实现前端设计与后台制造资源实时融合匹配。CSCAD系统由软件架构系统和硬件虚拟化架构系统，以及与智能制造系统协同设计的系统架构组成，这三个系统架构之间又存在着逻辑、耦合、物理联系等复杂的交互机制和数据传输协议。在CSCAD软件架构研究中，采用OpenStack作为云计算的基础服务和KVM虚拟化技术；用户终端环境的采用了基于x86架构的硬件辅助虚拟化技术Intel VT(Intel Virtualization Technology)，构建数据存储和计算的硬件虚拟化的使用终端；构建设计需求与制造资源实时匹配的系统架构，定量描述设计需求和制造资源的匹配程度，实现智能辅助设计。

电信学科组

1.物联网自动识别技术及应用

自动识别技术(Automatic Identification and Data Capture，AIDC)，自动识别技术是将信息数据自动识读、自动输入计算机的重要方法和手段，它是以计算机技术和通信技术为基础的综合性科学技术。近几十年内自动识别技术在全球范围内得到了迅猛发展，目前已形成了一个包括条码、磁识别、光学字符识别、射频识别、生物识别及图像识别等集计算机、光、机电、通信技术为一体的高新技术学科。

物联网中非常重要的技术就是自动识别技术，自动识别技术融合了物理世界和信息世界，是物联网区别于其他网络(如:电信网，互联网)最独特的部分。自动识别技术可以对每个物品进行标识和识别，并可以将数据实时更新，是构造全球物品信息实时共享的重要组成部分，是物联网的基石。通俗讲，自动识别技术就是能够让物品"开口说话"的一种技术。

2.图像处理(Image Processing)：

主要研究将图像信号转换成数字信号并利用计算机对其进行处理，使之具备更好的视觉效果或者满足某些应用的特定需求。研究内容主要包括图像增强、图像压缩、图像分割和复原，图像描述和识别等。随着计算机技术的发展，图像处理技术在许多应用领域受到广泛重视并取得重大的开拓性成就，目前已成为工程学、信息科学、计算机科学、生物学、医学甚至社会科学等各学科之间学习和研究的对象。其应用遍及社会的各个领域，如航空航天、遥感图像处理、医学图像处理、通信图像处理、工业图像处理、军事公安等领域，对推动社会发展和改善人们生活水平起到了重要的作用。

3.视频目标跟踪(Video Object Tracking)：

主要研究如何利用计算机自动跟踪视频中的运动目标。研究内容主要包括目标检测、目标描述、目标搜索和模型更新等。首先通过提取目标的运动、颜色、纹理、形状等特征，同时考虑背景的灰度、结构和统计等特征，构造目标与背景的数学模型及其度量方式，然后设计匹配策略和判别准则，最终实现对目标的检测、定位和跟踪。该技术已成为自动化控制、计算机视觉、智能信息处理等学科的重要研究内容，其研究成果可成功应用于智能武器、情报侦察、安全监控、医疗诊断、影视娱乐、自动化生产等领域，对加快科技发展，促进社会生产力提高具有重要意义。

4.机器学习(Machine Learning)：

机器学习是一门多学科交叉专业，主要研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征、最前沿的研究领域之一。机器学习让计算机可以通过经验进行学习，通过收集过去的数据对未来进行预测。研究内容主要包括监督学习、非监督学习和强化学习等。机器学习的研究主要分为两类研究方向：第一类是传统机器学习的研究，该类研究主要是研究学习机制，注重探索模拟人的学习机制；第二类是大数据环境下机器学习的研究，该类研究主要是研究如何有效利用信息，注重从巨量数据中获取隐藏的、有效的、可理解的知识。近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、机器视觉、模式识别等许多领域也得到了广泛应用。机器学习以深度学习为代表借鉴人脑的多分层结构、神经元的连接交互信息的逐层分析处理机制，自适应、自学习的强大并行信息处理能力，在很多方面收获了突破性进展，其中最有代表性的是计算机视觉领域。深度学习和卷积神经网络不断驱使着诸如无人驾驶汽车和谷歌 DeepMind 这样的创新系统的发展。