基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

泰国钾盐资源及其开发前景

 钾是农作物生长所必需的三大营养元素之一。通过分析泰国钾盐资源禀赋、地理、基础设施等，认为泰国具备较快规划发展为亚洲大型钾盐基地的物质条件。老挝钾盐资源开发的成功，也证明具有相同资源类型的泰国钾盐资源具备开发的可行性。随着“一带一路”倡议深入开展，泰国新矿产法的颁布、国际石油集团等公司的开发，展现出建立泰国-老挝亚洲钾盐战略基地的前景。建议相关国家和企业及早谋划建立泰国-老挝亚洲大型钾盐基地，为亚洲建立大型钾盐战略基地。     

充填体强度影响因素及组合预测模型

水灰比、堆积密实度和比表面积是充填体强度的重要影响因素，但有关各因素对强度影响显著性的研究较少，为此通过3因素5水平正交试验，分别对龄期为3d，7d和28d的试块开展单轴抗压强度试验.对试验结果进行方差分析，获得不同龄期各因素F统计值比(水灰比∶堆积密实度∶比表面积):3d为698.404∶26.148∶0.910，7d为862.626∶35.465∶1.286，28d为1585.404∶31.695∶1.338.分析各因素F统计值和P值，确定因素显著性大小关系为:水灰比>比表面积>堆积密实度;水灰比和比表面积为主要影响因素，堆积密实度为次要因素，所以控制水灰比可以有效控制充填体强度.绘制各因素水平趋势图，以最有利于充填体抗压强度原则确定最优组合为水灰比1.2，比表面积410m²/kg，堆积密实度0.6%.改变最优配比中水灰比值，开展30组不同水灰比的3d，7d和28d试块的抗压强度试验.以试验强度为原始数据，结合灰色预测、模糊分类和马尔可夫理论，建立3d，7d和28d试块强度组合预测模型；分析实测值与GM(1，2)模型、曲线回归模型和组合模型预测平均相对残差，结果表明，组合模型较其他模型具有较高的精度和稳定性.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

供给侧结构性改革下海归高管与企业创新——来自公司并购的证据

海归人才能否在我国供给侧结构性改革中发挥积极作用是连接我国人才引进与经济转型发展战略的重要议题。从海归高管角度切入，以供给侧结构性改革中企业并购重组活动为观测场景，实证考察海归高管对公司创新的影响。结果发现，海归高管显著提升重组公司专利创新，海归高管指标一单位标差的增加将使不同类型专利创新提高4%~5.8%。在公司并购前引入海归高管、引入海外学习经历的海归高管、在多元化并购中引入海归高管能够更好地提升重组公司专利创新，在国有企业以及金融发展水平区域中引入海归高管能够提升并购公司发明专利创新。机制研究表明：海归高管能通过提升企业风险承担水平、风险容忍度以及缓解融资约束等渠道促进公司发明专利创新。本研究揭示海归高管的风险承担偏好及控制能力有助于促进企业创新驱动转型发展。为我国供给侧结构性改革下如何更好地推动企业高质量发展提供重要启示。     

基于生物信息的未知二进制协议聚类方法

协议聚类是协议逆向工程技术中非常重要的一步，针对二进制协议更加透明且满足的协议种类更加广泛的特点，提出了一种基于基因和蛋白质生物信息的二进制协议聚类方法，能够从原始序列角度对大量协议直接进行聚类.本文方法首先将原始二进制报文转化成四进制基因形式，使用快速聚类方法计算碱基两两组合的k-seed值生成距离矩阵，并用UPGMA计算最小距离生成树得到初始分簇；其次，将每一簇四进制协议报文转化成十六进制蛋白质链，得到序列更有语义的方式并采用基于改进mBed算法的聚类方法将其进行高精度聚类.通过对已知和未知协议单纯和混合场景下的测试表明，该方法能够对二进制协议实现高效并且高准确率的聚类，具有较高的应用价值.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

安次地区奥陶系潜山裂缝特征及油气地质意义

针对安次地区奥陶系潜山储层非均质性强、井间生产差异性大等问题，利用岩芯、薄片及测录井等资料，对研究区内裂缝类型、发育程度及有效性进行分析，认为工区内发育构造缝、溶蚀缝和成岩缝3类，其中，构造缝最为发育，以NE走向的高角度缝为主；岩性和断层控制裂缝的发育程度，厚度薄、岩性纯、靠近断层发育的白云岩储层裂缝最为发育；张开度和充填程度反映裂缝有效性，研究区裂缝发育，多数裂缝半填充未填充，裂缝有效性好。多口井钻探证实，裂缝具有重要的油气地质意义，它不仅可以改善储层物性条件，还提供油气运移优势通道，提高单井产能，同时，裂缝的形成时期和发育部位控制油气运聚成藏：新近纪以后形成的裂缝发育程度高、有效性好；油气藏内部的裂缝发育，有利于油气运聚，形成富油气聚集区。